Wechsel in eine Karriere im maschinellen Lernen [geschlossen]

Mein Tagesjob ist ganz normale alte Softwareentwicklung. Ich mache auch meinen Master in CS (Teilzeit, kursbasiert). Ich nahm an einem AI-Kurs teil und fand maschinelles Lernen ziemlich faszinierend, aber wie die meisten Kurse bot es nur eine grundlegende Einführung.

Ich beabsichtige, mehr über maschinelles Lernen zu lernen und wenn möglich einen Job in diesem Bereich zu bekommen. Wenn ich mir Stellenausschreibungen in diesem Bereich anschaue, wird deutlich, dass für die meisten von ihnen ein Doktortitel in maschinellem Lernen (oder eine vorherige Erfahrung in diesem Bereich mit beträchtlichem Fachwissen) erforderlich ist.

Ich suche Ratschläge zum Selbstlernen, um Erfahrungen zu sammeln, die für die Industrie nützlich sind. Zumindest genug Erfahrung, um Fuß zu fassen. Ich werde die offensichtlichen Dinge wie das Lesen von Lehrbüchern, Zeitungen usw. tun. Vielleicht irgendwelche Open-Source-Bemühungen, an denen ich teilnehmen kann oder etwas, das ich alleine tun könnte?

Entschuldigung, wenn ich hier vage bin, aber ich hoffe, es gibt mindestens ein paar von Ihnen, die einen ähnlichen Wechsel vorgenommen haben und beraten können.

Vielen Dank !

Sie haben Recht, maschinelles Lernen ist ein faszinierendes Gebiet. Ich selbst stehe kurz vor dem Abschluss meines Studiums mit Schwerpunkt Maschinelles Lernen und suche in Kürze einen Job im allgemeinen Bereich. Ich habe auch nicht ganz herausgefunden, wie ich das anstellen soll.

Das allgemeine maschinelle Lernen ist jedoch ein ziemlich weites Feld. Ich würde vorschlagen, genauer zu werden. Für welchen Bereich des maschinellen Lernens interessieren Sie sich am meisten? Es gibt viele zur Auswahl:

• Spracherkennung / Verarbeitung natürlicher Sprache
• Bild- / Videoverarbeitung / Computer Vision
• medizinische Systeme
• Entdeckung eines Betruges
• Suchmaschinen
• Mensch-Computer-Schnittstellen
• ...

Alle diese Bereiche (können) maschinelles Lernen beinhalten.

Nach meiner Erfahrung werden in den meisten allgemeinen maschinellen Lernkursen aus zwei Gründen nur die Grundlagen vieler Techniken vorgestellt:

1. wie gesagt: das feld ist einfach zu breit um wirklich überall tief zu gehen
2. Die meisten Techniken sind nur sinnvoll, wenn sie mit tatsächlichen Anwendungen kombiniert werden

Ich habe nie wirklich SVMs geschürt, bis ich sie für meine eigene Forschung verwenden musste. Ich habe die verschiedenen Algorithmen, die in HMMs verwendet werden, erst richtig verstanden, als ich etwas mit der Sprachverarbeitung zu tun hatte.

Und bei der Arbeitssuche sehe ich das ähnlich: Unternehmen suchen eher nach Personen mit Erfahrung / Kenntnissen in dem spezifischen Bereich, in dem sie arbeiten, als nach Personen im allgemeinen Bereich des maschinellen Lernens. Es ist wahrscheinlicher, dass es sich bei Jobs für maschinelles Lernen um Forschungs- / Doktoranden- / Post-Doc-Positionen handelt.

Natürliche Sprachverarbeitung als praktische Anwendung des maschinellen Lernens

Ich arbeite Vollzeit und studiere Teilzeit in einem Computerlinguistik-Masterstudiengang (auch bekannt als NLP, Natural Language Processing). In diesem Bereich gibt es eine Menge maschinelles Lernen, beispielsweise für die Spracherkennung, die Klassifizierung von Dokumenten usw. Der Schlüssel ist eine solide Grundlage für Mathematik, Statistik und logische Notation. Nehmen Sie an Kursen in diesen Bereichen teil (oder vertiefen Sie Ihr Wissen), bevor Sie Ihren Abschluss machen, da es schwierig sein kann, dieses Thema allein zu lernen.

Bücher

Beachten Sie auch, dass das maschinelle Lernfeld im Gegensatz zu vielen anderen CS-Bereichen fest zwischen Praktikern und Theoretikern aufgeteilt ist. Die Praktiker setzen maschinelles Lernen als Werkzeug ein, während die Theoretiker Methoden des maschinellen Lernens erproben und verbessern wollen. Das daraus resultierende Problem ist, dass Bücher über maschinelles Lernen in der Regel aus der Sicht der Theoretiker geschrieben werden, wie Hasties Buch. Das einzige Buch, das ich für Praktiker gefunden habe, ist "Programming Collective Intelligence" von Segaran, das grundlegende Konzepte behandelt. Ich habe immer noch kein gutes Fachbuch über SVM, PCCM usw. gefunden.

Maschinelles Lernen hat eine enorme Menge an Wahrscheinlichkeiten und Statistiken, daher wäre es ein großartiger Anfang, ein paar fortgeschrittene Kurse in diesen Fächern zu belegen.