有一個(gè)關(guān)于ML（機(jī)器學(xué)習(xí)）的炒作列車正在進(jìn)行，許多初學(xué)者正成為這個(gè)炒作列車的受害者，因?yàn)樗麄兪且驗(yàn)殄e(cuò)誤的原因進(jìn)入的。你的教授會(huì)解釋如何獲得博士學(xué)位。如果你想變得更好，或者你的同行告訴你如何獲得更好的GPU和IDE（集成開發(fā)環(huán)境），這是必要的。當(dāng)您開始從在線課程中學(xué)習(xí)時(shí)，您意識(shí)到您需要更大的數(shù)據(jù)集和對(duì)Python的熟練程度。在你申請(qǐng)工作時(shí)學(xué)習(xí)了所需的技能后，你意識(shí)到你需要的不僅僅是幾門課程或證書。最終，在得到這份工作后，你意識(shí)到這是一項(xiàng)要求很高的工作，有時(shí)這些工作在最初階段的報(bào)酬并不高。

本文將幫助您度過這些失望，并為您準(zhǔn)備好面對(duì)這些問題。我們將學(xué)習(xí)很多關(guān)于初學(xué)者進(jìn)入機(jī)器學(xué)習(xí)領(lǐng)域所面臨的現(xiàn)實(shí)問題。

有明確的經(jīng)驗(yàn)證據(jù)表明，您不需要大量數(shù)學(xué)，不需要大量數(shù)據(jù)，也不需要大量昂貴的計(jì)算機(jī)。-Jeremy Howard（面向程序員的實(shí)用深度學(xué)習(xí)）

學(xué)編碼？

是的，如果你進(jìn)入ML領(lǐng)域，尤其是深度學(xué)習(xí)，編碼是必要的。這并不意味著您先花時(shí)間學(xué)習(xí)Python、C++或R，然后才開始學(xué)習(xí)ML。當(dāng)你學(xué)習(xí)基礎(chǔ)知識(shí)時(shí)，編碼部分會(huì)自然而然地出現(xiàn)。您不需要記住語法或模型架構(gòu)，可以從簡(jiǎn)單的google搜索中搜索它們。就這么簡(jiǎn)單。世界正在走向無代碼機(jī)器學(xué)習(xí)和AutoML。AutoML是一個(gè)強(qiáng)大的工具，它將為您執(zhí)行所有的任務(wù)，并為您提供一個(gè)工作的機(jī)器學(xué)習(xí)模型。有時(shí)你只需要寫兩行代碼而不是兩百行代碼就能得到類似的結(jié)果。

你需要數(shù)學(xué)還是博士。以毫升為單位？

是的，你需要一些數(shù)學(xué)，但為了研究和推進(jìn)深度學(xué)習(xí)的邊界。如果您要訓(xùn)練您的模型并將它們部署到生產(chǎn)中，那么您可能需要學(xué)習(xí)MLOps，而不是數(shù)學(xué)。

應(yīng)用機(jī)器學(xué)習(xí)不需要數(shù)學(xué)，但對(duì)于任何研究和突破邊界，你需要學(xué)習(xí)高級(jí)統(tǒng)計(jì)學(xué)。-Jakubéitní

您還需要學(xué)習(xí)模型體系結(jié)構(gòu)是如何工作的，以及各種矩陣函數(shù)。這些可以在8小時(shí)的課程中教授，有時(shí)您甚至不需要學(xué)習(xí)解決問題所需的所有模型架構(gòu)。我是Jeremy的超級(jí)粉絲，在他用Fastai和PyTorch為程序員編寫的bookDeep Learning中，他解釋說在深度學(xué)習(xí)領(lǐng)域有很多守門人。學(xué)者們會(huì)要求你學(xué)習(xí)高級(jí)微積分，學(xué)習(xí)所有的數(shù)學(xué)模型，最終獲得博士學(xué)位。在一個(gè)特定的領(lǐng)域使它。但你不需要這些。我見過很多沒有學(xué)位、有商業(yè)背景的人現(xiàn)在都是領(lǐng)域里的專家。所以，請(qǐng)專注于基礎(chǔ)知識(shí)，學(xué)習(xí)整個(gè)課程，并通過投資組合項(xiàng)目開始成長(zhǎng)。

你需要一個(gè)龐大的數(shù)據(jù)集嗎？

是的，但在少數(shù)情況下?，F(xiàn)代的深度學(xué)習(xí)模型現(xiàn)在能夠在有限的樣本數(shù)下產(chǎn)生高精度。隨著像Kaggle這樣的平臺(tái)的引入，甚至獲取數(shù)據(jù)集現(xiàn)在也變得更加容易了，Kaggle有數(shù)千個(gè)開源數(shù)據(jù)集可供下載和用于商業(yè)目的。我們還可以在GitHub、DAGsHub、HuggingFace、Knoema和Google Dataset Searchch上找到數(shù)據(jù)集來訓(xùn)練我們的模型，并最終將其用于生產(chǎn)。

你需要學(xué)位或認(rèn)證嗎？

有些工作確實(shí)需要機(jī)器學(xué)習(xí)學(xué)位或TensorFlow證書，但如果你在GitHub和Kaggle上有強(qiáng)大的投資組合，這些事情就變得次要了。許多開發(fā)人員正在向機(jī)器學(xué)習(xí)過渡，他們沒有專門的學(xué)位或證書來證明，但他們確實(shí)有使用深度學(xué)習(xí)模型并將其部署到生產(chǎn)中的經(jīng)驗(yàn)。如果你能以某種方式向雇主證明你可以完成機(jī)器學(xué)習(xí)生命周期中的每一項(xiàng)任務(wù)，那么你就是完美的候選人?？偟膩碚f，如果你有一個(gè)強(qiáng)大的機(jī)器學(xué)習(xí)組合，就不應(yīng)該在你的腦海中獲得證書或?qū)W位。要獲得強(qiáng)大的ML投資組合，請(qǐng)閱讀：如何作為初學(xué)者構(gòu)建強(qiáng)大的數(shù)據(jù)科學(xué)投資組合-KDnuggets。

您需要昂貴的計(jì)算還是IDE？

不，我有一臺(tái)舊筆記本電腦，我可以借助Kaggle平臺(tái)在云GPU和TPU上訓(xùn)練這些龐大的模型。世界正在從個(gè)人電腦走向云電腦。您可以從Kaggle和Google Colab獲得免費(fèi)的CPU、GPU和TPU。還有其他平臺(tái)也可以幫助您進(jìn)行數(shù)據(jù)分析和創(chuàng)建完整的項(xiàng)目，如DeepNote、JetBrains Datalore和PaperSpace。這些平臺(tái)為您提供了一個(gè)免費(fèi)的工作空間，通過添加協(xié)作工具來構(gòu)建您的機(jī)器學(xué)習(xí)產(chǎn)品。在我的日常工作中，我使用Deepnote進(jìn)行新的研究或項(xiàng)目，如果我需要更好的GPU或TPU，我會(huì)切換到Kaggle Orcolab。

您不需要購(gòu)買昂貴的IDE或計(jì)算來構(gòu)建您的產(chǎn)品。現(xiàn)在您有了這些免費(fèi)的云工具。

關(guān)于就業(yè)市場(chǎng)的基本事實(shí)

在獲得所需的技能后，你開始在市場(chǎng)上找工作，但很快你就意識(shí)到公司需要更多。他們希望你了解數(shù)據(jù)工程、數(shù)據(jù)分析和MLOPS。在面試階段，他們會(huì)詢問你最近的項(xiàng)目和你部署模型的工作經(jīng)驗(yàn)。

即使在學(xué)習(xí)了關(guān)鍵的必要技能后，你也會(huì)感到相當(dāng)失望。這是因?yàn)榇蠖鄶?shù)公司都在尋找有經(jīng)驗(yàn)的個(gè)人或擁有多種技能的人。你提高機(jī)會(huì)的唯一方法就是不斷學(xué)習(xí)一項(xiàng)新技能，不斷參加機(jī)器學(xué)習(xí)比賽。這也將改善您的ML投資組合，并最終使您脫穎而出。如果你剛開始工作，很難找到工作。繼續(xù)努力，最終，你會(huì)得到你夢(mèng)寐以求的工作。

ML工程師的一生

正如我上面提到的，它需要擅長(zhǎng)各種技能：顯然，一個(gè)優(yōu)秀的機(jī)器學(xué)習(xí)工程師所需要的一切，比如好奇心、分析技能、算法知識(shí)、理解業(yè)務(wù)需求的能力，以及有效溝通的需求。還有更多。你需要善于構(gòu)建需要機(jī)器學(xué)習(xí)操作經(jīng)驗(yàn)的軟件解決方案。Shanif Dhanani的機(jī)器學(xué)習(xí)工程師生活中的一天

除此之外，有時(shí)還必須執(zhí)行迭代任務(wù)，如標(biāo)記數(shù)據(jù)集。你可能找不到一份高薪的工作，但你最終會(huì)得到一份需要你全職和專注的工作。如果你進(jìn)入這個(gè)領(lǐng)域只是因?yàn)樗峁┝艘环莞咝降墓ぷ?，那么你?yīng)該開始考慮其他的選擇。你在職業(yè)生涯中取得成功的唯一途徑是對(duì)人工智能技術(shù)有堅(jiān)定的熱愛。

結(jié)論

最后，我會(huì)一直建議你繼續(xù)學(xué)習(xí)新的技能，開始參加Kaggle比賽。為了你的職業(yè)生涯，繼續(xù)尋找新的工作，為你的技術(shù)面試做好準(zhǔn)備。我只想向你們展示這個(gè)領(lǐng)域的實(shí)際情況。這并不漂亮，也不是每個(gè)人都能度過難關(guān)。只有努力工作和學(xué)習(xí)的心態(tài)，你才能找到一個(gè)舒適的職位，你有一個(gè)高薪的工作。

我們還討論了機(jī)器學(xué)習(xí)如何不需要大量的數(shù)學(xué)、專業(yè)學(xué)位或博士學(xué)位。它不需要大量的計(jì)算能力或龐大的數(shù)據(jù)集。它只需要你的時(shí)間和努力工作。你可以在網(wǎng)上找到令人驚訝的課程，在學(xué)習(xí)了一些技能后，開始將這些技能應(yīng)用到你的投資組合項(xiàng)目中。