Thói quen làm việc hàng ngày của nhà khoa học máy học là gì?

Tôi là một sinh viên CS bậc thầy tại một trường đại học Đức hiện đang viết luận án. Tôi sẽ được thực hiện trong hai tháng tôi phải đưa ra quyết định rất khó khăn nếu tôi nên tiếp tục với bằng tiến sĩ hoặc tìm một công việc trong ngành.

Lý do của tôi để làm tiến sĩ:

• Tôi là một người rất tò mò và tôi cảm thấy mình vẫn còn thiếu quá nhiều kiến thức. Tôi muốn học hỏi nhiều và Tiến sĩ sẽ giúp tôi điều đó, vì tôi có thể làm nhiều khóa học tốt hơn và đọc hàng tấn giấy tờ và trở thành một chuyên gia về khai thác dữ liệu và học máy. Tôi yêu môn toán nhưng không giỏi môn này ở trường đại học (uni xấu). Bây giờ trong Uni Đức này tôi cảm thấy tôi đã phát triển rất nhiều kỹ năng toán học tuyệt vời và tôi muốn cải thiện điều đó bởi vì tôi thực sự yêu thích toán học! (Tôi thực sự rất kém môn toán trong chương trình đại học và trong suốt cuộc đời mình nhưng bây giờ tôi thấy tôi có thể làm toán tốt!)

• Tôi sẽ làm việc với những thứ thách thức trí tuệ.

• Tôi cần phải thành thật và nói rằng tôi cũng ghét nhìn thấy người khác có bằng cấp cao hơn tôi. Vì vậy, nếu tôi đi ra đường và thấy ai đó có bằng tiến sĩ, tôi không cần phải nói "oh wow anh chàng này thông minh hơn tôi". Tôi thích ở phía bên kia. ;)

Lý do của tôi KHÔNG làm tiến sĩ:

• Tôi đọc trên internet về việc làm bằng tiến sĩ hoặc không làm việc đó. Tôi phát hiện ra rằng trong hầu hết các trường hợp thông thường và những người có bằng tiến sĩ đều làm công việc tương tự của những người có bằng thạc sĩ. (đó là một quan sát chung trong khoa học máy tính, không phải về ML / DM).

• Tôi có thể bắt đầu sự nghiệp và kiếm được nhiều tiền trong 1 hoặc 2 năm, sau đó tôi có thể bắt đầu công ty riêng của mình.

Điều chưa rõ ràng:

Cuối cùng tôi vẫn không biết mục tiêu cuối cùng của mình là gì. Có phải để có một công ty nhỏ nổi tiếng? Hay là để trở thành một nhà khoa học nổi tiếng? Tôi vẫn chưa có câu trả lời cho câu hỏi này.

Để giúp tôi đưa ra quyết định, tôi muốn biết hai điều:

• Làm việc như một nhà khoa học dữ liệu / người học máy với bằng thạc sĩ trong ngành là gì? Những loại công việc bạn làm? Đặc biệt khi tôi đọc những quảng cáo đó trên Amazon với tư cách là một nhà khoa học máy học, tôi luôn tự hỏi họ làm gì.

• Câu hỏi tương tự như trước đây, nhưng với một tiến sĩ. Bạn có làm điều gì đó khác biệt hoặc giống như với các bậc thầy?

• Tôi sẽ đối phó với những vấn đề thú vị đầy thách thức? Hay một số thứ nhàm chán?

Một lưu ý nhỏ: Tôi đã thấy một anh chàng có bằng tiến sĩ về máy học (ở Đức) và đang làm việc trong một công ty quảng bá một phần mềm học máy. Theo tôi hiểu, hầu hết công việc của anh ấy là đào tạo mọi người sử dụng các phương pháp và phần mềm (cây quyết định ..v.v).

Sẽ thật tuyệt nếu tôi có thể nhận được một số câu trả lời về kinh nghiệm liên quan đến Đức / Thụy Sĩ trong một số công ty tốt nổi tiếng.

Alex, tôi không thể bình luận cụ thể về Đức hoặc Thụy Sĩ, nhưng tôi làm việc cho một công ty quốc tế với đội ngũ hơn 100.000 người từ tất cả các quốc gia khác nhau. Hầu hết những người này có ít nhất bằng cấp sau đại học, nhiều người có bằng Thạc sĩ và Tiến sĩ, ngoại trừ nhân viên Quản trị và Nhân sự, hầu hết chúng ta đều là chuyên gia trong một hoặc nhiều lĩnh vực khoa học khác nhau. Tôi có hơn 30 năm kinh nghiệm, đã làm việc như một chuyên gia khoa học / kỹ thuật lành nghề, một người quản lý, một người quản lý dự án và cuối cùng trở lại với vai trò khoa học thuần túy mà tôi thích. Tôi cũng đã được tham gia với việc thuê nhân viên và có lẽ một số quan sát của tôi theo sau có thể có giá trị với bạn.

1. Hầu hết sinh viên mới tốt nghiệp thực sự không biết chính xác những gì họ muốn và thường phải mất một vài năm để tìm hiểu. Trong hầu hết các trường hợp, trải nghiệm tại nơi làm việc của họ khá khác biệt so với những gì họ mong đợi vì một loạt lý do. Một số nơi làm việc rất thú vị trong khi một số thì buồn tẻ, nhàm chán và "chính trị tại nơi làm việc", những ông chủ tồi, v.v ... đôi khi có thể là vấn đề lớn. Một mức độ cao hơn có thể hoặc không thể giúp đỡ với bất kỳ vấn đề nào trong số này.

2. Hầu hết các nhà tuyển dụng muốn những người có thể "thực hiện công việc" và làm việc hiệu quả càng sớm càng tốt. Bằng cấp cao hơn có thể hoặc không quan trọng, tùy thuộc vào nhà tuyển dụng. Trong một số tình huống, cánh cửa bị đóng KHÔNG GIỚI HẠN bạn có bằng tiến sĩ. Trong các tình huống khác, cánh cửa có thể bị đóng BECAUSE bạn có bằng tiến sĩ và nhà tuyển dụng muốn ai đó "ít lý thuyết hơn và có nhiều kinh nghiệm thực tế hơn".

3. Một tiến sĩ không nhất thiết có nghĩa là thăng tiến nhanh hơn hoặc thậm chí chênh lệch nhiều về lương và có thể hoặc không thể tạo ra bất kỳ sự khác biệt nào đối với loại vị trí mà bạn có thể có được. Nói chung khi tôi đang phỏng vấn ứng viên, tôi quan tâm nhất đến việc tìm kiếm những người có kinh nghiệm liên quan đến công việc. Một tiến sĩ có thể là một yếu tố quyết định cuối cùng trong việc đảm bảo một vị trí, NẾU đề tài luận án của ứng viên có liên quan cụ thể.

4. Mọi người có xu hướng thay đổi công việc thường xuyên hơn bây giờ so với trước đây. Tuổi của bạn chia cho 2 * pi không phải là một quy tắc tồi đối với một số năm tốt để duy trì công việc trước khi bạn bắt đầu đi lòng vòng. Một số người làm việc trong một thời gian và sau đó quay trở lại các nghiên cứu cao hơn. Một số người (như tôi) bắt đầu học tiến sĩ và sau đó nhận được "lời đề nghị quá tốt để từ chối" và rời bỏ tiến sĩ để đi làm. Tôi có xin lỗi tôi đã làm điều đó? KHÔNG, hoàn toàn không, và nếu tôi bắt đầu lại từ đầu, tôi sẽ làm tiến sĩ trong một chủ đề hoàn toàn khác.

5. Gợi ý tốt nhất mà tôi có thể cung cấp cho bạn là làm những gì bạn thích làm nhất và xem nó mở ra như thế nào. Không ai khác có thể cho bạn biết những gì sẽ là tốt nhất cho bạn. Đôi khi bạn chỉ cần thử một cái gì đó và, nếu nó không thành công, thì hãy học càng nhiều càng tốt từ nó và chuyển sang thứ khác. Như Rodin đã nói: Không có gì là lãng phí thời gian nếu bạn sử dụng trải nghiệm một cách khôn ngoan.

Trước khi tôi mô tả ý kiến ​​của tôi về thói quen công việc, tôi sẽ chọn một vài bài đăng của bạn mà tôi nghĩ là có liên quan (nhấn mạnh của tôi):

1. Tôi là một người rất tò mò người
2. Sẽ làm việc với những thứ thách thức trí tuệ
3. Tôi cần phải thành thật và nói rằng tôi cũng ghét nhìn thấy người khác có bằng cấp cao hơn tôi ( phù phiếm )
4. Tôi có thể bắt đầu sự nghiệp và kiếm được nhiều tiền sau 1 hoặc 2 năm
5. bắt đầu công ty riêng của tôi

Dựa trên 1 và 2, bạn dường như có một cái nhìn rất lãng mạn về khoa học dữ liệu và nghiên cứu nói chung. Vâng, bạn sẽ làm việc với các vấn đề thú vị, nhưng chắc chắn 24/7 (điều này áp dụng cho cả ngành công nghiệp và nghiên cứu).

Dựa trên 2 và 3, bạn dường như xem xét nghiên cứu đỉnh cao của trí tuệ con người và coi Tiến sĩ là chứng nhận cho sự thông minh của bạn. Tôi không đồng ý, vì:

• có những vấn đề thách thức trí tuệ trong cả nghiên cứu học thuật và công nghiệp. Tôi nghĩ rằng đó là một giả định kỳ lạ rằng các học giả phải đối mặt với những người khó khăn nhất.
• có bằng tiến sĩ không có nghĩa là bạn thông minh, điều đó có nghĩa là bạn có những gì cần thiết để thực hiện nghiên cứu tốt trong lĩnh vực của mình. Nghiên cứu không phải là thông minh hơn người khác (mặc dù nó giúp). Sáng tạo và tiếp cận vấn đề từ một góc độ khác cũng là những phẩm chất rất quan trọng. Nếu bạn muốn một số bằng chứng chứng minh rằng bạn thông minh hơn người tiếp theo, hãy làm các xét nghiệm Mensa, không phải bằng tiến sĩ.

_{Theo ý kiến ​​cá nhân của tôi, những người thông minh nhất là những người cuối cùng sống một cuộc sống hạnh phúc với những lựa chọn mà họ đưa ra, cho dù điều đó có nghĩa là trở thành một nhà vật lý hạt nhân hay thợ mộc. Đừng đưa ra quyết định của bạn dựa trên việc họ có cấp cho bạn thứ gì đó để thể hiện hay không.}

Dựa trên 4 và 5, có vẻ như bạn hình dung bắt đầu công ty riêng của mình tại một số điểm. Hãy lưu ý rằng khi làm khởi nghiệp, ngay cả những người định hướng công nghệ, bạn có thể sẽ không dành phần lớn thời gian cho công nghệ thực tế. Tiếp thị, kế hoạch kinh doanh, quản lý, v.v ... đều quan trọng như nhau (nếu không nói thêm) đối với các công ty khởi nghiệp thành công. Làm thế nào để bạn mong đợi một tiến sĩ để giúp đỡ?

Bây giờ những sơ khảo này đã hết cách: ý kiến ​​cá nhân của tôi về thói quen công việc của một nhà khoa học máy học. Trước hết: bạn có thể làm việc với các phương pháp tiên tiến trên các tập dữ liệu lớn / phức tạp / thú vị với sự nhấn mạnh vào sự lựa chọn của bạn. Đó là công việc chắc chắn rất thú vị.

... NHƯNG

Học máy thực sự bao gồm rất nhiều công việc khó khăn

Bạn sẽ không dành mỗi giờ làm việc trong một thế giới không tưởng với sự tao nhã toán học trong khi một đội quân máy tính thực hiện đấu thầu của bạn. Một phần lớn thời gian của bạn sẽ được dành cho công việc nặng nề: quản lý cơ sở dữ liệu, chuẩn bị bộ dữ liệu, chuẩn hóa công cụ, xử lý sự không nhất quán, v.v. Tôi dành phần lớn thời gian của mình để làm những công việc như thế này. Họ không phát triển thú vị hơn theo thời gian. Nếu bạn không đam mê chủ đề của mình, cuối cùng bạn sẽ mất động lực để làm những việc này.

Nếu bạn đã tham gia các lớp học máy, bạn thường có được các tập dữ liệu được dán nhãn đẹp mà không nhất quán, không thiếu dữ liệu, trong đó mọi thứ đều như vậy. Đây không phải là máy học thực tế. Bạn sẽ dành phần lớn thời gian của mình để cố gắng đến điểm mà bạn đã sẵn sàng để chạy thuật toán yêu thích của mình.

Quản lý kỳ vọng trong sự hợp tác

Nếu bạn muốn thực hiện các dự án liên ngành, bạn sẽ phải học cách làm việc với những người ít biết gì về những gì bạn làm (điều này đúng với bất kỳ chuyên môn nào). Trong học máy thường bao hàm một trong hai kịch bản:

• Các cộng tác viên của bạn đã xem quá nhiều TV và nghĩ rằng bạn có thể giải quyết mọi thứ, với một thuật toán lạ mắt và nhiều hình ảnh trực quan thú vị.
• Cộng tác viên của bạn không hiểu các kỹ thuật bạn sử dụng và như vậy không thấy lợi ích hoặc ứng dụng tiềm năng.

• Làm việc như một nhà khoa học dữ liệu / người học máy với bằng thạc sĩ trong ngành như thế nào? Những loại công việc bạn làm? Đặc biệt khi tôi đọc những quảng cáo đó trên Amazon với tư cách là một nhà khoa học máy học, tôi luôn tự hỏi họ làm gì.

Các vấn đề kinh doanh không thực sự thay đổi tùy thuộc vào mức độ của bạn, vì vậy bạn sẽ xem xét những điều tương tự hoặc tương tự. Nếu bạn làm việc trong một tổ chức lớn, bạn sẽ làm việc trên các bộ dữ liệu lớn của công ty. Đây thường có thể là dữ liệu sản phẩm / khách hàng hoặc dữ liệu vận hành (dữ liệu quy trình hóa học, dữ liệu thị trường tài chính, dữ liệu lưu lượng truy cập trang web, v.v.). Mục tiêu cuối cùng chung là tận dụng dữ liệu để tiết kiệm tiền hoặc kiếm tiền cho công ty.

• Câu hỏi tương tự như trước đây, nhưng với một tiến sĩ. Bạn có làm điều gì đó khác biệt hoặc giống như với các bậc thầy?

Câu trả lời là như trên, bạn sẽ làm khá nhiều thứ tương tự. Tuy nhiên, trong nghiên cứu / phân tích định lượng / hoặc một bộ phận kỹ thuật tương tự của một tập đoàn quốc tế lớn, nếu bạn có bằng tiến sĩ, bạn có lợi thế hơn ai đó với bằng thạc sĩ. về mặt phát triển sự nghiệp. Tiến sĩ dạy (hoặc được cho là dạy) bạn trở thành một nhà nghiên cứu độc lập, vì vậy với bằng tiến sĩ, công ty thường 'coi trọng' lao động của bạn (kỹ năng tò mò và siêng năng) hơn một chút. NHƯNG tôi sẽ khuyên bạn không nên làm tiến sĩ, chỉ vì sự phát triển nghề nghiệp nhanh hơn (có khả năng). Làm tiến sĩ là một công việc khó khăn và đặc biệt là đối với quá trình đau đớn, bạn sẽ phải thích (lý tưởng là tình yêu) đối tượng của bạn và theo ý kiến ​​của tôi có một mối quan tâm tiềm năng để duy trì trong học viện (đó là ủy quyền để tiết lộ mối quan hệ của bạn đối với nghiên cứu và chủ đề partiuclar) để làm cho nó có thể chịu được.

Cũng lưu ý rằng quay trở lại ngành công nghiệp với bằng tiến sĩ, bạn sẽ bị tụt lại trong nấc thang sự nghiệp và cuối cùng có thể được chuyển sang vai trò hỗ trợ theo định hướng kỹ thuật (trả ít hơn so với những người kiếm được tiền thực sự cho công ty) - mà có thể không phải là objetive chính của bạn. Cuối cùng, nếu bạn đang làm việc trong một công ty quy mô nhỏ, trong công ty của riêng bạn, lợi thế của việc có bằng tiến sĩ hầu như biến mất về tiến trình nghề nghiệp hoặc tiền lương.

• Tôi sẽ đối phó với những vấn đề thú vị đầy thách thức phải không? Hay một số thứ nhàm chán?

Tôi đoán không có câu trả lời chung chung cho điều này. ML là kỷ luật chéo. Nếu bạn làm việc như một nhà phân tích, bạn thường sẽ xem xét dữ liệu và cố gắng xây dựng các mô hình, nếu bạn ở phía phát triển, cuối cùng bạn sẽ phải đối phó với những khó khăn trong việc thực hiện. Nếu bạn là khách hàng, bạn có thể phải thực hiện nhiều hoạt động và đào tạo khách hàng (nhưng có thể kiếm được nhiều tiền hơn). Thông thường, câu trả lời cho câu hỏi của bạn phụ thuộc vào sở thích cá nhân và mức độ linh hoạt của nhà tuyển dụng của bạn.

Hoặc bạn có thể thử tham gia một số nhóm nghiên cứu trong đó các nhà thống kê và người học máy không phải là một sự xuất hiện hàng ngày. Ví dụ như sự phá hoại và lây lan dịch bệnh, thực vật học hoặc sinh thái học, côn trùng xã hội hoặc có thể là khoa học xã hội?

Tôi có thể cung cấp cho bạn các ví dụ chính xác, nhưng nếu bạn là một nhà thống kê / ML giỏi ở một nơi chỉ có vài người trong số họ, hơn mọi người và các đề xuất nghiên cứu khác nhau sẽ tìm thấy bạn. Vấn đề là, bạn sẽ thực sự có nhu cầu mà không cần quá nhiều nỗ lực từ phía bạn.

Nếu bạn thích ý tưởng đó, hơn là cố gắng tìm kiếm các vấn đề về máy học bên ngoài các chủ đề hiện tại (ngành) và có thể bạn sẽ tìm ra cách tìm ra "những vấn đề thú vị đầy thách thức" và "làm việc với những thứ thách thức trí tuệ".

Tôi đồng ý với các câu trả lời khác. Tôi chỉ nhấn mạnh rằng một cách phổ biến (ít nhất là ở Hoa Kỳ) đối với những người như bạn do dự giữa việc tiếp tục học tiến sĩ hoặc làm trong ngành sau khi tốt nghiệp đại học là nộp đơn xin học tiến sĩ, sau đó nghỉ phép (một năm trở lên) nếu mọi thứ không tuyệt vời như họ mong đợi hoặc chỉ đơn giản là muốn khám phá ngành công nghiệp. Nói chung việc đăng ký tiến sĩ dễ dàng hơn ngay sau khi học đại học: bạn vẫn chưa quên thói quen nhồi nhét bài kiểm tra (GRE), các giáo sư sẽ viết thư giới thiệu cho bạn vẫn nhớ rõ về bạn, v.v.

Ngoài ra, khi so sánh giữa tiến sĩ và ngành, trong số các cơ hội bạn có, bạn có thể muốn so sánh quyền truy cập vào bộ dữ liệu thú vị, tính khả dụng của cụm máy tính, kỹ năng kỹ thuật phần mềm của địa điểm và số lượng người được chỉ định cho mỗi dự án.

Cuối cùng, bạn cũng có thể tìm thấy rất nhiều thứ thách thức trí tuệ trong ngành, ví dụ: kiểm tra IBM / Google / Microsoft / Nuance / Facebook / vv. bộ phận nghiên cứu (giống như bạn có thể tìm thấy rất nhiều học viện công cụ không có trí tuệ). Ví dụ, những người đứng sau SVM đang làm việc tại AT & T, IBM Watson ở IBM, Google Dịch là một trong những hệ thống dịch máy tốt nhất, Nuance và Google có hệ thống nhận dạng giọng nói hàng đầu và rất xa các ví dụ riêng biệt. Trong thực tế, tôi luôn tự hỏi ai trong số các ngành công nghiệp và giới học thuật đóng góp nhiều nhất cho nghiên cứu máy học (tôi đã hỏi cùng một câu hỏi về nghiên cứu cơ sở dữ liệu trên Quora: Nghiên cứu cơ sở dữ liệu chủ yếu được thúc đẩy bởi ngành trong thập kỷ qua? ).

Để có được bằng tiến sĩ, bạn phải nâng cao kiến ​​thức của con người. Bạn không cần phải học nhiều thứ nữa. Bạn phải sản xuất một cái gì đó ban đầu. Đây là một quá trình dài, chậm và đau đớn, và không phải ai cũng thành công với nó. Vì vậy, bạn chỉ nên làm bằng tiến sĩ nếu bạn nghĩ rằng bạn có một đóng góp mới, sáng tạo cho lĩnh vực này trong bạn.

Nếu bạn chỉ muốn học lĩnh vực này và áp dụng lĩnh vực này, hãy học thạc sĩ nhiều nhất, và sau đó dành phần còn lại của cuộc đời bạn để học trong khi bạn áp dụng. Đọc mọi thứ. Đi hội thảo thường xuyên. Nếu tại một thời điểm nào đó bạn bị nhiễm sự thôi thúc phải làm một cái gì đó thực sự nguyên bản, hãy nghỉ việc (lâu dài) và cố gắng để có được bằng tiến sĩ đó.

Khi bạn chọn / công ty nhỏ nổi tiếng / tuyến đường, bạn có quyền tự do thành lập một bộ phận nghiên cứu trong công ty của bạn.

Tại đây, bạn có thể thỏa sức sáng tạo, như trong, không bị gò bó ... khám phá tất cả những tưởng tượng thời thơ ấu của bạn, những thứ thách thức trí tuệ ... bạn đặt ra tốc độ ... bạn sẽ là / người đàn ông /.

Bạn không cần phải ngồi tại Phòng thí nghiệm Đại học để viết một bài báo / Kẻ giết người / nghiên cứu.

Mặc dù vậy, trong khi đó, bạn luôn có thể phối hợp với các bộ phận nghiên cứu có liên quan tại Univ. xem...? zwei vögel mit eines stein :-)

... một người khác có bằng cấp cao hơn ...

Vâng, sự phù phiếm, trong chừng mực, thúc đẩy chúng ta tìm kiếm điều tốt nhất có thể có.

Chúc may mắn.

yb