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
CDA数据分析师在中国航信高科技产业园进行了面向测试度量的数据分析培训课程,培训人数近2 ...
2024-05-01CDA数据分析师走进深圳迈瑞生物医疗电子股份有限公司,在迈瑞总部展开了为期两天的培训,本次课程参训人员线上及线下近百人, ...
2024-05-01CDA数据分析师在合肥市对合肥阳光新能源科技有限公司开展了为期8天的企业内训。 合肥阳光新能源科技 ...
2024-05-01CDA数据分析师走进海尔大学,进行了《数据治理与数据中台建设的道与术》专题培训,培训现场爆满,近百人参加了此次培训。 ...
2024-05-01在中国银行苏州分行培训中心开始数据分析师培训,此次培训课程共10天内容,包括Excel、MySQL、概率论与数理统计、SPSS等内容, ...
2024-05-01从实际的业务需求出发,结合行业的典型应用特点,围绕实际的商业问题,探讨数据挖掘、机器学习模型在金融领域的应用,包括获客、信用评分、细分画像、交叉销售、反欺诈、违规识别、时序预测、运筹优化、流程挖掘九个方面,形成 ...
2024-05-01本次培训课程为线上+线下的模式,由于学员编程能力不一、部分学员没有编程基础,故提供统计学、python基 ...
2024-05-01华夏银行信用卡中心-机器学习培训 1、课程亮点 取材于业界一流企业和顶级咨询公司的行业实践;已经被证明是人人 ...
2024-05-01主 题:数据中台建设及数据分析应用主题分享 1. 数据中台市场洞察 2. 主流数据中台产品比较 3. 某企业数据中 ...
2024-05-01围绕“数据驱动”战略,全力打造我行 300 人数字化人才梯队,着力培养数字化管理人才、大数据专业团队 ...
2024-05-01在当今数据驱动的商业环境中,数据分析成为了企业决策的重要依据。通过对大量数据的收集、处理和分析,企业能够更好地理解市场 ...
2024-04-29在人工智能(AI)的世界里,提示词(Prompt)是一种强大的工具,它能够引导AI按照用户的需求产生特定的输出。本文将深入探讨AI ...
2024-04-29CDA立足未来职场,拓展前沿视野——对外经贸大学保险学院举办“三全育人大讲堂”分享行业最新动态。 ...
2024-04-294月2日,CDA数据分析师创始发起人兼协会理事长赵坚毅博士受邀在浙江万里学院举办了一场以“数字化能力在职场中的作用” ...
2024-04-29随机森林(Random Forests)现在机器学习中比较火的一个算法,是一种基于Bagging的集成学习方法,能够很好地处理分类和回归的问 ...
2022-12-23方差分析是数据分析中常用的一种统计分析方法,接下来让我们简单了解一下方差分析的基本思想和原理吧。 方差分析(Analysis ...
2022-12-23来源:关于数据分析与可视化 关于streamlit-aggrid 数据排序 表格样式的调整 数据 ...
2022-08-03作者:麦叔 定义 「把上面晦涩的概念汇成一句话就是:」 ❝ 回调函数就是一个被作为参 ...
2022-08-03现今,高学历人群日益增多,物以稀为贵的高学历光环淡去。无论本科生还是研究生,甚至博士生,求职竞争力都大不如前,就业压力越来越大。
2022-06-01某家企业10个人面试,有9个本科生……如何脱颖而出,除得体的举止和良好的沟通力外,证书成重要筹码,这也是很多人考证的关键所在。
2022-04-14