
我已经在iZettle工作了大约四年了。我在这家公司的旅程并不是以机器学习工程师的身份开始的,而是随着我在公司的成长而过渡到机器学习工程师。
我的正规教育是计算机科学/软件工程,事实上我已经做了大约8年的软件开发人员。作为一名软件工程师,这些年给了我一些技能,这些技能使我走向ML工程的道路变得相当特别。我想和大家分享我希望在准备这个角色时能更多地关注什么,以及我认为我的背景如何帮助我完成这个转变。
首先-为什么?我对我的软件工程师工作不满意吗?我认为做一名ML工程师比做一名软件工程师更好吗?绝不是!这只是我喜欢花什么时间的问题,那就是数据。我从15岁就开始编码了,我一直很喜欢它。但我最喜欢的是用我的作品去了解世界。作为许多人,我有许多“宠物项目”想法永远不会出现,但当我阅读这份想法清单时,我发现了这样的事情:构建工具来使用推特数据来检测自然灾害,分析我的社交媒体账户数据来理解我自己的行为,检测朋友聊天中的情绪,等等。你看到模式了吗?所有这些项目想法都寻求对某些情况的理解,并且都以数据为中心。那时我一直对数据很感兴趣,大约两年前我决定把它作为我的主要工作。我想认为机器学习是我个人的选择,但本着数据驱动的精神,我可以将我的决定与近年来机器学习领域的炒作联系起来,当时你读到的每一篇科技文章都是关于ML创新的,所以我想我永远不会知道。
不管怎样,我做出了这个决定,对我来说幸运的是,iZettle正在运行一个机器学习指导项目,我很高兴地加入了这个项目。
在这个指导程序中,我们学习了bookPython机器学习的所有章节。每周,我们会讨论一章,编写一些练习来实验所学的概念。我发现它非常令人兴奋,它确实奠定了我对机器学习如何工作的基本理解。
除此之外,我利用空闲时间参加了一些在线课程,比如Udacity中的aDeep Learning Specialisation,参加inKagglecompetitions(我不得不承认,没有太大成功),并试图实施我之前提到的一些项目。
我告诉你们所有这些不是为了吹牛,而是为了让你们明白我正在尽可能多地吸收关于这个主题的知识,当我准备更换标题时,我觉得我对机器学习有非常扎实的理解。
经过6个多月的紧张学习,我加入了iZettle的机器学习团队。
我充满活力地加入了这个团队,渴望开始我的第一个项目。从第一个项目开始,我开始注意到学习机器学习和实际做机器学习是多么的不同。第一个项目是试图为我们的商人预测破产,这样我们就可以伸出援手,帮助他们做生意。
当你做一个来自一门课程或一本书的项目时,该项目最重要的部分已经为你完成了。也就是说:您到底想做什么?在课程中,您会得到一个数据集和一个目标度量,您所要做的就是“按摩”您的数据和训练模型,以便在您的目标度量上获得良好的性能。
在这种情况下,有几件事你没有学到,甚至从来没有质疑过:
问题定义:如何将问题公式化,以便从机器学习的角度来看它是有意义的?对于破产问题,我感到震惊的是,我的脑海中突然冒出了多少问题,几乎是不知从哪里冒出来的:预测破产意味着什么?是不是意味着一个商人明天就要破产了?一周后?一个月后?我怎么知道我们哪一个商户已经破产了?是缺乏活动吗?那么季节性呢?是一些外部信息吗?我如何将它映射到一个标签,让我的算法可以从中学习?…我太习惯于被赋予一个有标签的数据集,以至于我从未考虑过仅仅创建这个标签需要大量的思考、领域知识和业务考虑。这取决于您如何定义标签,您可以使用的问题和功能完全改变。
data:我已经暗示了接下来会发生什么,而且众所周知,获取正确的数据是ML问题的一个困难部分。然而,当你第一次偶然发现这个问题时,它仍然会打击你。数据很难得到,而且很杂乱,不应该盲目相信。构建标签实际上是在获得数据源之后。在我的第一个任务中,我有两个来自不同来源的数据集,我必须合并并映射到每个商家自己的特性集。对于您引入的每一个新的信息源,您不仅需要确保数据质量是可接受的,而且要确保您没有引入任何偏见,或者至少您对此做出了解释。
在某些情况下,你甚至没有你想要解决的问题的数据,机器学习在任何一行代码之前几个月就开始了,建立数据收集策略和与其他团队的关系。
评估:我们有数据集和标签。我们开始建模…我们如何衡量性能?这不仅是使用哪种度量的问题,而且是它是否有业务意义的问题。权衡在这里起着很大的作用。我以前从来没有考虑过用什么指标来衡量我的模型的性能,这是给定的。我真的在等别人告诉我:使用精确度/ROC-AUC/等。当这种情况没有发生时,我不得不考虑一个指标及其含义,我意识到花很多时间思考这个问题有多重要,我对我所学的任何一本书或课程都很少关注这个话题感到失望。只要想一想:根据当它实际上是假的(即假阳性)或任何类似的变化时预测真的“糟糕”程度,您可能希望保持最低的精确度或召回率,而不管您的一般度量(如ROC-AUC)如何上升或下降。这只是一个例子,还有很多。
这些是我意识到在我所学的任何课程或阅读的任何书籍中都没有学到的要点。这些都是我在工作中日复一日学到的东西,感谢真正有经验和耐心的同事。
当然,也有一些意想不到的好的部分,在这些部分中,我可以利用我作为一名软件工程师多年来获得的技能。列举一些:
如果您的情况与我类似,我有以下附加练习,用于您正在阅读的书或您正在学习的课程中的下一个练习。尝试回答以下问题:
我相信,如果你真的试图回答所有这些问题,你在学习过程中遇到的每一个练习,你会在“现实生活中”发展出一个更广泛和现实的机器学习观点。
我希望这个帖子对很多人的学习之旅有所帮助!如果你有任何问题,请联系我们,或者想与我们分享你的故事,我们很乐意听到它!
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
如何考取数据分析师证书:以 CDA 为例 在数字化浪潮席卷各行各业的当下,数据分析师已然成为企业挖掘数据价值、驱动决策的 ...
2025-07-15CDA 精益业务数据分析:驱动企业高效决策的核心引擎 在数字经济时代,企业面临着前所未有的数据洪流,如何从海量数据中提取有 ...
2025-07-15MySQL 无外键关联表的 JOIN 实战:数据整合的灵活之道 在 MySQL 数据库的日常操作中,我们经常会遇到需要整合多张表数据的场景 ...
2025-07-15Python Pandas:数据科学的瑞士军刀 在数据驱动的时代,面对海量、复杂的数据,如何高效地进行处理、分析和挖掘成为关键。 ...
2025-07-15用 SQL 生成逆向回滚 SQL:数据操作的 “后悔药” 指南 在数据库操作中,误删数据、错改字段或误执行批量更新等问题时有发生。 ...
2025-07-14t检验与Wilcoxon检验的选择:何时用t.test,何时用wilcox.test? t 检验与 Wilcoxon 检验的选择:何时用 t.test,何时用 wilcox. ...
2025-07-14AI 浪潮下的生存与进阶: CDA数据分析师—开启新时代职业生涯的钥匙(深度研究报告、发展指导白皮书) 发布机构:CDA数据科 ...
2025-07-13LSTM 模型输入长度选择技巧:提升序列建模效能的关键 在循环神经网络(RNN)家族中,长短期记忆网络(LSTM)凭借其解决长序列 ...
2025-07-11CDA 数据分析师报考条件详解与准备指南 在数据驱动决策的时代浪潮下,CDA 数据分析师认证愈发受到瞩目,成为众多有志投身数 ...
2025-07-11数据透视表中两列相乘合计的实用指南 在数据分析的日常工作中,数据透视表凭借其强大的数据汇总和分析功能,成为了 Excel 用户 ...
2025-07-11尊敬的考生: 您好! 我们诚挚通知您,CDA Level I和 Level II考试大纲将于 2025年7月25日 实施重大更新。 此次更新旨在确保认 ...
2025-07-10BI 大数据分析师:连接数据与业务的价值转化者 在大数据与商业智能(Business Intelligence,简称 BI)深度融合的时代,BI ...
2025-07-10SQL 在预测分析中的应用:从数据查询到趋势预判 在数据驱动决策的时代,预测分析作为挖掘数据潜在价值的核心手段,正被广泛 ...
2025-07-10数据查询结束后:分析师的收尾工作与价值深化 在数据分析的全流程中,“query end”(查询结束)并非工作的终点,而是将数 ...
2025-07-10CDA 数据分析师考试:从报考到取证的全攻略 在数字经济蓬勃发展的今天,数据分析师已成为各行业争抢的核心人才,而 CDA(Certi ...
2025-07-09【CDA干货】单样本趋势性检验:捕捉数据背后的时间轨迹 在数据分析的版图中,单样本趋势性检验如同一位耐心的侦探,专注于从单 ...
2025-07-09year_month数据类型:时间维度的精准切片 在数据的世界里,时间是最不可或缺的维度之一,而year_month数据类型就像一把精准 ...
2025-07-09CDA 备考干货:Python 在数据分析中的核心应用与实战技巧 在 CDA 数据分析师认证考试中,Python 作为数据处理与分析的核心 ...
2025-07-08SPSS 中的 Mann-Kendall 检验:数据趋势与突变分析的有力工具 在数据分析的广袤领域中,准确捕捉数据的趋势变化以及识别 ...
2025-07-08备战 CDA 数据分析师考试:需要多久?如何规划? CDA(Certified Data Analyst)数据分析师认证作为国内权威的数据分析能力认证 ...
2025-07-08