語境

當我第一次申請l時，我想同時成為一名自由職業(yè)者和一名“真正的ML工程師”。

在此之前，我在Nordeus擔任機器學習工程師，Nordeus是一家頂級移動游戲公司，以其旗艦游戲TopEleven上有穆里尼奧的臉而聞名。我在Nordeus的機器學習經(jīng)歷包括設(shè)計和實現(xiàn)一個智能系統(tǒng)，以幫助客戶支持團隊更快地解決玩家問題。它的本質(zhì)是從大量的歷史球員門票和代理決議中構(gòu)建一個文本分類器。

我考慮了整個系統(tǒng)，數(shù)據(jù)（至少我是這么想的），以及對GPU的訪問。從紙面上看，一切似乎都對我來說剛剛好，可以展示一個偉大的模型和一個更好的解決方案。

但這從未發(fā)生過。令我絕望的是，我花了一個多月的時間才意識到，我試圖用來訓練我的監(jiān)督模型的數(shù)據(jù)集已經(jīng)非常糟糕了。在意識到這一點之前，我花了數(shù)不清的時間和Jupyter筆記本試圖讓整個事情運轉(zhuǎn)起來。我工作太忙了，抽不出時間看資料。我們可以說我缺乏經(jīng)驗沒有幫助。

在這個失敗的項目三個月后，我決定辭去工作，在Toptal開始我的自由職業(yè)之路。經(jīng)過幾輪面試和技術(shù)篩選，我進入了最后一輪。猜猜看？我得解決一個機器學習作業(yè)。幾乎和我以前失敗的那個一模一樣。我有一周的時間來完成它。

很難描述那一周我不得不與之作斗爭的消極自我談話的數(shù)量。冒名頂替綜合癥的長長的陰影迷惑了我的頭腦。

這一章有一個圓滿的結(jié)局。我很好地解決了這個問題，我進入了托普塔爾。三年10個項目后，我可以說我處理冒名頂替綜合癥好多了。

提示1。勇敢嘗試自由職業(yè)

勇敢是對你幫助最大的事情。自由職業(yè)者是勇敢的。如果你想了解更多，請查看我以前關(guān)于如何成為自由數(shù)據(jù)科學家的文章。

當你作為自由職業(yè)者/承包商工作時，來自你工作的反饋不會出現(xiàn)在季度或年度審查中。它每天都來。沒有辦法破解?？蛻羝谕峁┵|(zhì)量和快速。順便說一句，這就是為什么你會比在目前的工作中得到更好的報酬的主要原因。

一旦你覺得你已經(jīng)掌握了ML的基本原理，就把自己放在拳擊臺上?？简災阕约?。你很聰明，你能做到。參加更多的在線課程并不能讓冒名頂替綜合癥消失。相信我.

IMHO排名前2的自由職業(yè)平臺是

• 托普塔爾。全球排名第一的頂尖人才自由職業(yè)平臺。他們有一個相當苛刻的申請過程，但這是非常值得經(jīng)歷的。這些天，偉大的企業(yè)和新興的初創(chuàng)企業(yè)都在使用Toptal來實現(xiàn)ML解決方案。到達那里會給你很多發(fā)光的機會。
• 腦力信任。一個新興的人才網(wǎng)絡(luò)，受到新鮮的新經(jīng)濟模式的啟發(fā)（聽說過以太坊嗎？）。他們長得很快，我希望他們很快就能趕上托普塔爾。

提示2。永遠不要忘記數(shù)據(jù)。從不

由于數(shù)據(jù)（大寫字母，是的），ML工程比傳統(tǒng)軟件工程更難。

很少有機會給你一套完整的特性和標簽來構(gòu)建你的ML模型。相反，您通常需要自己生成訓練數(shù)據(jù)。在這個意義上，我遇到的最常見的問題是：

• 訓練數(shù)據(jù)有缺陷。通常，您從SQL查詢和某種Python腳本生成這些數(shù)據(jù)，以自動提取原始特征和標簽。編寫SQL查詢很簡單，但調(diào)試它們可能相當困難。提高你的SQL技能是成為一個更好的ML工程師所能做的最好的事情之一。
• 訓練數(shù)據(jù)不完整。在生成訓練數(shù)據(jù)的第一個版本之后，您將跳轉(zhuǎn)到ML開發(fā)的下一個階段，并構(gòu)建一個快速的基線模型。通常情況下，這個基線模型不足以解決業(yè)務(wù)問題，因此您需要迭代。沒有經(jīng)驗的ML開發(fā)人員往往過多地關(guān)注于改進模型，而忘記了他們創(chuàng)建的數(shù)據(jù)集。這是一個典型的錯誤，會導致挫敗感和冒名頂替綜合癥的感覺?；氐綌?shù)據(jù)上去。擴展SQL查詢以添加更多相關(guān)功能。與您環(huán)境中的領(lǐng)域?qū)＜遥〝?shù)據(jù)工程師、商業(yè)智能人員……)交談，這些專家可以幫助您獲取數(shù)據(jù)，從而移動針并解除阻塞。

數(shù)據(jù)是推動所有模型的神奇成分，從簡單的線性回歸到巨大的變壓器模型。如果燃料不好，你開哪輛車都無關(guān)緊要。你不打算搬家。

這聽起來如此瑣碎和愚蠢，以至于我們（我包括我自己）ML工程師有一種令人驚訝的忘記的傾向。當您獲得更多構(gòu)建ML解決方案的經(jīng)驗時，您會更好地記住這一點，并在遇到問題時返回數(shù)據(jù)。

不能使用Stackoverflow調(diào)試數(shù)據(jù)集。你一個人在那里。你需要改變你的心態(tài)。你必須表現(xiàn)得像個解決問題的人。您需要了解數(shù)據(jù)集，最好的方法是將其可視化。我個人喜歡Tableau Desktop,但也有其他選擇，如Power BI、Apache Superset等。如果您愿意，甚至還有Python庫，如SweetViz。

無論您喜歡哪種工具，每次卡住時都要返回數(shù)據(jù)。

提示3：不要期望知道所有的事情（尤其是在開始的時候）。

機器學習是一個涵蓋廣泛技術(shù)復雜性的領(lǐng)域：軟件開發(fā)、操作化(MLOps)、經(jīng)典ML、深度學習的前沿研究、硬件優(yōu)化…

如果你試圖掩蓋一切，你會失去焦點，在表面上游蕩太多。了解ML中的某些內(nèi)容意味著您已經(jīng)自己實現(xiàn)了它。句號。

例如，跟上DL的最新進展是非常棒的。但要有原則地去做。為自己設(shè)定一個明確的目標（例如，我想成為變壓器模型的專家），并為自己建立一條通往該目標的道路，選擇相關(guān)的論文、圖書館、網(wǎng)絡(luò)研討會，甚至會議。

從一個話題跳到另一個話題讓你很忙但注意力不集中。保持謙遜。從小處著手，集中精力。一旦你到達那里，邁出下一步，征服另一個領(lǐng)域。

結(jié)論

克服你的恐懼是每天（全職）的工作。不僅僅是在機器學習中，而是在你生活的每個方面，在這些方面你希望明天成長和變得更好。