Перехід до кар’єри в машинному навчанні [закрито]

Моя щоденна робота - це звичайна розробка програмного забезпечення. Я також займаюся магістерською роботою в CS (заочна форма навчання, заснована на курсах). Я взяв курс на AI і виявив машинне навчання досить захоплюючим, але, як і більшість курсів, він запропонував лише базове вступ.

Я маю намір дізнатися більше про машинне навчання і, якщо можливо, влаштуватися на роботу в цій галузі. Коли я дивлюся на посади в цій галузі, то зрозуміло, що для більшості з них потрібен доктор наук з машинного навчання (або попередній досвід роботи в цій галузі із значним досвідом).

Я шукаю поради щодо самостійного навчання, щоб отримати досвід, який буде корисний у галузі. Принаймні, достатньо досвіду, щоб перейти на ногу. Я зроблю очевидні, такі як читання підручників, паперів тощо. Можливо, будь-які зусилля з відкритим кодом, в яких я можу взяти участь, або щось, що я можу зробити самостійно?

Вибачте, якщо я тут невиразний, але сподіваюся, що принаймні кілька з вас зробили подібний перемикач і можуть порадити.

Спасибі !

Ви маєте рацію, машинне навчання - захоплююче поле. Я сам збираюся закінчити університет з сильним упором на машинне навчання і незабаром буду шукати роботу в загальній галузі. Я також не зовсім зрозумів, як це зробити.

Але загальне машинне навчання - це досить широке поле. Я б запропонував отримати більш конкретну інформацію. Яке поле, яке включає машинне навчання, вас найбільше цікавить? Є на вибір:

• розпізнавання мовлення / обробка природної мови
• обробка зображень / відео / комп’ютерний зір
• медичні системи
• виявлення шахрайства
• пошукові системи
• інтерфейс людина-комп'ютер
• ...

Усі ці поля (можуть) включають методи машинного навчання.

На мій досвід, більшість загальних курсів машинного навчання представляють лише основи багатьох методик з двох причин:

1. як я вже сказав: поле просто занадто широке, щоб всюди йти дійсно глибоко
2. більшість методів має сенс лише у тому випадку, якщо вони поєднуються з фактичними додатками

Я ніколи насправді не обробляв SVM, поки мені не довелося використовувати їх у власних дослідженнях. Я ніколи не розумів різних алгоритмів, що використовуються в HMM, поки я не зробив певну роботу з обробки мови.

І коли я шукаю роботу, я думаю, що це схоже: компанії швидше шукають людей, які мають досвід / знання в конкретній галузі, в якій вони працюють, а не в загальній галузі машинного навчання. Завдання машинного навчання частіше займають наукові / докторські / докторські посади.

Обробка природних мов як практичне застосування машинного навчання

Я працюю повний робочий день і навчаюсь за сумісництвом в області обчислювальної лінгвістики (він же НЛП, обробка природних мов). У цій галузі є багато машинного навчання, наприклад, для розпізнавання мовлення, класифікації документів тощо. Ключ є міцною основою на математиці, статистиці та логічних позначеннях. Проводьте заняття в цих областях, щоб навчитися (або закріпити свої знання) ще до того, як закінчити навчання, оскільки самостійно вивчити цю тему може бути складно.

Книги

Також зауважте, що на відміну від багатьох інших полів CS, поле машинного навчання міцно розділено між практиками та теоретиками. Практикуючі використовують машинне навчання як інструменти, а теоретики хочуть довести та вдосконалити методи машинного навчання. Виникаюча проблема полягає в тому, що книги про машинне навчання, як правило, пишуться з точки зору теоретиків, як книга Хасті. Єдина книга, яку я знайшов, - «Програмування колективного інтелекту» Сегарана, яка охоплює основні поняття. Я досі не знайшов книгу хорошого практикуючого про SVM, PCCM тощо.

Машинне навчання має величезну кількість ймовірностей та статистики, тому проходження декількох передових курсів з цих предметів було б дійсно чудовим місцем для початку.