
有一个关于ML(机器学习)的炒作列车正在进行,许多初学者正成为这个炒作列车的受害者,因为他们是因为错误的原因进入的。你的教授会解释如何获得博士学位。如果你想变得更好,或者你的同行告诉你如何获得更好的GPU和IDE(集成开发环境),这是必要的。当您开始从在线课程中学习时,您意识到您需要更大的数据集和对Python的熟练程度。在你申请工作时学习了所需的技能后,你意识到你需要的不仅仅是几门课程或证书。最终,在得到这份工作后,你意识到这是一项要求很高的工作,有时这些工作在最初阶段的报酬并不高。
本文将帮助您度过这些失望,并为您准备好面对这些问题。我们将学习很多关于初学者进入机器学习领域所面临的现实问题。
有明确的经验证据表明,您不需要大量数学,不需要大量数据,也不需要大量昂贵的计算机。-Jeremy Howard(面向程序员的实用深度学习)
是的,如果你进入ML领域,尤其是深度学习,编码是必要的。这并不意味着您先花时间学习Python、C++或R,然后才开始学习ML。当你学习基础知识时,编码部分会自然而然地出现。您不需要记住语法或模型架构,可以从简单的google搜索中搜索它们。就这么简单。世界正在走向无代码机器学习和AutoML。AutoML是一个强大的工具,它将为您执行所有的任务,并为您提供一个工作的机器学习模型。有时你只需要写两行代码而不是两百行代码就能得到类似的结果。
是的,你需要一些数学,但为了研究和推进深度学习的边界。如果您要训练您的模型并将它们部署到生产中,那么您可能需要学习MLOps,而不是数学。
应用机器学习不需要数学,但对于任何研究和突破边界,你需要学习高级统计学。-Jakubéitní
您还需要学习模型体系结构是如何工作的,以及各种矩阵函数。这些可以在8小时的课程中教授,有时您甚至不需要学习解决问题所需的所有模型架构。我是Jeremy的超级粉丝,在他用Fastai和PyTorch为程序员编写的bookDeep Learning中,他解释说在深度学习领域有很多守门人。学者们会要求你学习高级微积分,学习所有的数学模型,最终获得博士学位。在一个特定的领域使它。但你不需要这些。我见过很多没有学位、有商业背景的人现在都是领域里的专家。所以,请专注于基础知识,学习整个课程,并通过投资组合项目开始成长。
是的,但在少数情况下。现代的深度学习模型现在能够在有限的样本数下产生高精度。随着像Kaggle这样的平台的引入,甚至获取数据集现在也变得更加容易了,Kaggle有数千个开源数据集可供下载和用于商业目的。我们还可以在GitHub、DAGsHub、HuggingFace、Knoema和Google Dataset Searchch上找到数据集来训练我们的模型,并最终将其用于生产。
有些工作确实需要机器学习学位或TensorFlow证书,但如果你在GitHub和Kaggle上有强大的投资组合,这些事情就变得次要了。许多开发人员正在向机器学习过渡,他们没有专门的学位或证书来证明,但他们确实有使用深度学习模型并将其部署到生产中的经验。如果你能以某种方式向雇主证明你可以完成机器学习生命周期中的每一项任务,那么你就是完美的候选人。总的来说,如果你有一个强大的机器学习组合,就不应该在你的脑海中获得证书或学位。要获得强大的ML投资组合,请阅读:如何作为初学者构建强大的数据科学投资组合-KDnuggets。
不,我有一台旧笔记本电脑,我可以借助Kaggle平台在云GPU和TPU上训练这些庞大的模型。世界正在从个人电脑走向云电脑。您可以从Kaggle和Google Colab获得免费的CPU、GPU和TPU。还有其他平台也可以帮助您进行数据分析和创建完整的项目,如DeepNote、JetBrains Datalore和PaperSpace。这些平台为您提供了一个免费的工作空间,通过添加协作工具来构建您的机器学习产品。在我的日常工作中,我使用Deepnote进行新的研究或项目,如果我需要更好的GPU或TPU,我会切换到Kaggle Orcolab。
您不需要购买昂贵的IDE或计算来构建您的产品。现在您有了这些免费的云工具。
在获得所需的技能后,你开始在市场上找工作,但很快你就意识到公司需要更多。他们希望你了解数据工程、数据分析和MLOPS。在面试阶段,他们会询问你最近的项目和你部署模型的工作经验。
即使在学习了关键的必要技能后,你也会感到相当失望。这是因为大多数公司都在寻找有经验的个人或拥有多种技能的人。你提高机会的唯一方法就是不断学习一项新技能,不断参加机器学习比赛。这也将改善您的ML投资组合,并最终使您脱颖而出。如果你刚开始工作,很难找到工作。继续努力,最终,你会得到你梦寐以求的工作。
正如我上面提到的,它需要擅长各种技能:显然,一个优秀的机器学习工程师所需要的一切,比如好奇心、分析技能、算法知识、理解业务需求的能力,以及有效沟通的需求。还有更多。你需要善于构建需要机器学习操作经验的软件解决方案。Shanif Dhanani的机器学习工程师生活中的一天
除此之外,有时还必须执行迭代任务,如标记数据集。你可能找不到一份高薪的工作,但你最终会得到一份需要你全职和专注的工作。如果你进入这个领域只是因为它提供了一份高薪的工作,那么你应该开始考虑其他的选择。你在职业生涯中取得成功的唯一途径是对人工智能技术有坚定的热爱。
最后,我会一直建议你继续学习新的技能,开始参加Kaggle比赛。为了你的职业生涯,继续寻找新的工作,为你的技术面试做好准备。我只想向你们展示这个领域的实际情况。这并不漂亮,也不是每个人都能度过难关。只有努力工作和学习的心态,你才能找到一个舒适的职位,你有一个高薪的工作。
我们还讨论了机器学习如何不需要大量的数学、专业学位或博士学位。它不需要大量的计算能力或庞大的数据集。它只需要你的时间和努力工作。你可以在网上找到令人惊讶的课程,在学习了一些技能后,开始将这些技能应用到你的投资组合项目中。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
CDA 数据分析师:就业前景广阔的新兴职业 在当今数字化时代,数据已成为企业和组织决策的重要依据。数据分析师作为负责收集 ...
2025-06-30探秘卷积层:为何一个卷积层需要两个卷积核 在深度学习的世界里,卷积神经网络(CNN)凭借其强大的特征提取能力 ...
2025-06-30探索 CDA 数据分析师在线课程:开启数据洞察之旅 在数字化浪潮席卷全球的当下,数据已成为企业决策、创新与发展的核心驱 ...
2025-06-303D VLA新范式!CVPR冠军方案BridgeVLA,真机性能提升32% 编辑:LRST 【新智元导读】中科院自动化所提出BridgeVLA模型,通过将 ...
2025-06-30LSTM 为何会产生误差?深入剖析其背后的原因 在深度学习领域,LSTM(Long Short-Term Memory)网络凭借其独特的记忆单元设 ...
2025-06-27LLM进入拖拽时代!只靠Prompt几秒定制大模型,效率飙升12000倍 【新智元导读】最近,来自NUS、UT Austin等机构的研究人员创新 ...
2025-06-27探秘 z-score:数据分析中的标准化利器 在数据的海洋中,面对形态各异、尺度不同的数据,如何找到一个通用的标准来衡量数据 ...
2025-06-26Excel 中为不同柱形设置独立背景(按数据分区)的方法详解 在数据分析与可视化呈现过程中,Excel 柱形图是展示数据的常用工 ...
2025-06-26CDA 数据分析师会被 AI 取代吗? 在当今数字化时代,数据的重要性日益凸显,数据分析师成为了众多企业不可或缺的角色 ...
2025-06-26CDA 数据分析师证书考取全攻略 在数字化浪潮汹涌的当下,数据已成为企业乃至整个社会发展的核心驱动力。数据分析师作 ...
2025-06-25人工智能在数据分析的应用场景 在数字化浪潮席卷全球的当下,数据以前所未有的速度增长,传统的数据分析方法逐渐难以满足海 ...
2025-06-25评估模型预测为正时的准确性 在机器学习与数据科学领域,模型预测的准确性是衡量其性能优劣的核心指标。尤其是当模型预测结 ...
2025-06-25CDA认证:数据时代的职业通行证 当海通证券的交易大厅里闪烁的屏幕实时跳动着市场数据,当苏州银行的数字金融部连夜部署新的风控 ...
2025-06-24金融行业的大数据变革:五大应用案例深度解析 在数字化浪潮中,金融行业正经历着深刻的变革,大数据技术的广泛应用 ...
2025-06-24Power Query 中实现移动加权平均的详细指南 在数据分析和处理中,移动加权平均是一种非常有用的计算方法,它能够根据不同数据 ...
2025-06-24数据驱动营销革命:解析数据分析在网络营销中的核心作用 在数字经济蓬勃发展的当下,网络营销已成为企业触达消费者 ...
2025-06-23随机森林模型与 OPLS-DA 的优缺点深度剖析 在数据分析与机器学习领域,随机森林模型与 OPLS-DA(正交偏最小二乘法判 ...
2025-06-23CDA 一级:开启数据分析师职业大门的钥匙 在数字化浪潮席卷全球的今天,数据已成为企业发展和决策的核心驱动力,数据分析师 ...
2025-06-23透视表内计算两个字段乘积的实用指南 在数据处理与分析的过程中,透视表凭借其强大的数据汇总和整理能力,成为了众多数据工 ...
2025-06-20CDA 一级考试备考时长全解析,助你高效备考 CDA(Certified Data Analyst)一级认证考试,作为数据分析师领域的重要资格认证, ...
2025-06-20