Was ist die tägliche Arbeitsroutine des maschinell lernenden Wissenschaftlers?

Ich bin ein Master-CS-Student an einer deutschen Universität und schreibe gerade meine Abschlussarbeit. Ich werde in zwei Monaten fertig sein. Ich muss die sehr schwierige Entscheidung treffen, ob ich weiter promovieren oder einen Job in der Branche finden soll.

Meine Gründe für eine Promotion:

• Ich bin eine sehr neugierige Person und ich habe das Gefühl, dass mir immer noch zu viel Wissen fehlt . Ich möchte viel lernen und der Doktortitel wird mir dabei helfen, da ich mehr gute Kurse machen und Tonnen von Artikeln lesen kann und Experte für Data Mining und maschinelles Lernen bin. Ich liebe Mathe, war aber in meinem Undergrad (schlechte Uni) nicht gut darin. Jetzt an dieser deutschen Uni habe ich viele großartige mathematische Fähigkeiten entwickelt und ich möchte das verbessern, weil ich Mathe wirklich sehr liebe! (Ich war wirklich sehr schlecht in Mathe in meinem Grundstudium und während meines Lebens, aber jetzt sehe ich, dass ich gut rechnen kann!)

• Ich werde mit intellektuell herausfordernden Sachen arbeiten.

• Ich muss ehrlich sein und sagen, dass ich es auch hasse, jemanden mit einem höheren Grad als mich zu sehen. Wenn ich also auf die Straße gehe und jemanden mit einem Doktortitel sehe, muss ich nicht sagen: "Oh wow, dieser Typ ist schlauer als ich." Ich bin lieber auf der anderen Seite. ;)

Meine Gründe, warum ich NICHT promoviert habe:

• Ich habe im Internet gelesen, ob ich promoviere oder nicht. Ich fand heraus, dass Menschen mit einem Doktortitel in den meisten Fällen die gleiche Arbeit leisten wie Menschen mit einem Master. (Das war eine allgemeine Beobachtung in der Informatik, nicht über ML / DM).

• Ich kann eine Karriere beginnen und in ein oder zwei Jahren viel Geld verdienen, dann kann ich wahrscheinlich meine eigene Firma gründen.

Was ist noch nicht klar:

Ich weiß immer noch nicht, was mein Endziel ist. Ist es eine berühmte kleine Firma zu haben? Oder soll es ein berühmter Wissenschaftler sein? Ich habe noch keine Antwort auf diese Frage.

Um mir zu helfen, eine Entscheidung zu treffen, möchte ich zwei Dinge wissen:

• Wie ist es, als Data Scientist / Machine Learner mit einem Master-Abschluss in der Branche zu arbeiten? Welche Art von Arbeit machen sie? Besonders wenn ich diese Anzeigen auf Amazon als Wissenschaftler für maschinelles Lernen lese, frage ich mich immer, was sie tun.

• Die gleiche Frage wie zuvor, aber mit einem Doktortitel. Machst du etwas anderes oder dasselbe wie mit Meistern?

• Werde ich mich mit herausfordernden interessanten Problemen befassen? Oder langweiliges Zeug?

Ein kleiner Hinweis: Ich habe einen Doktoranden im Bereich maschinelles Lernen (in Deutschland) gesehen und arbeite in einem Unternehmen, das für eine maschinelle Lernsoftware wirbt. Wie ich verstanden habe, besteht sein Hauptberuf darin, Menschen in der Verwendung von Methoden und Software zu schulen (Entscheidungsbäume usw.).

Es wäre großartig, wenn ich einige Antworten auf Erfahrungen mit Deutschland / der Schweiz in einigen berühmten guten Unternehmen bekommen könnte.

Alex, ich kann nicht speziell auf Deutschland oder die Schweiz eingehen, aber ich arbeite für ein internationales Unternehmen mit mehr als 100.000 Mitarbeitern aus allen Ländern. Die meisten dieser Leute haben mindestens einen akademischen Grad, viele haben einen Master und einen Doktortitel und mit Ausnahme der Personal- und Verwaltungsmitarbeiter sind die meisten von uns Experten in einem oder mehreren wissenschaftlichen Bereichen. Ich habe mehr als 30 Jahre Erfahrung, habe als qualifizierter wissenschaftlich-technischer Spezialist, Manager und Projektmanager gearbeitet und bin schließlich zu einer rein wissenschaftlichen Rolle zurückgekehrt, die mir Spaß macht. Ich habe mich auch mit der Einstellung von Personal befasst, und vielleicht sind einige meiner folgenden Beobachtungen für Sie von Wert.

1. Die meisten neuen Absolventen wissen wirklich nicht genau, was sie wollen, und es dauert normalerweise ein paar Jahre, bis sie es herausfinden. In den meisten Fällen stellt sich heraus, dass ihre Arbeitsplatzerfahrung aus einer Reihe von Gründen ganz anders ist als erwartet. Einige Arbeitsplätze sind aufregend, während andere langweilig und "arbeitsplatzpolitisch" sind. Schlechte Vorgesetzte usw. können manchmal große Probleme sein. Ein höherer Abschluss kann bei all diesen Problemen hilfreich sein oder auch nicht.

2. Die meisten Arbeitgeber wollen Menschen, die "die Arbeit machen" und so schnell wie möglich produktiv sind. Je nach Arbeitgeber können höhere Abschlüsse von Bedeutung sein oder auch nicht. In einigen Situationen ist die Tür geschlossen, es sei denn, Sie haben einen Doktortitel. In anderen Situationen kann die Tür geschlossen sein, weil Sie einen Doktortitel haben und der Arbeitgeber jemanden "weniger theoretisch und mit mehr praktischer Erfahrung" haben möchte.

3. Ein Doktortitel bedeutet nicht unbedingt schnellere Beförderungen oder sogar große Gehaltsunterschiede und kann oder kann keinen Unterschied hinsichtlich der Art der Position machen, die Sie erhalten können. Wenn ich Kandidaten interviewt habe, war ich im Allgemeinen am meisten daran interessiert, Menschen mit relevanter Berufserfahrung zu finden. Eine Promotion kann ein entscheidender Faktor für die Sicherung einer Position sein, WENN das Thema der Arbeit des Bewerbers besonders relevant ist.

4. Die Menschen wechseln heute häufiger als früher den Arbeitsplatz. Ihr Alter geteilt durch 2 * pi ist keine schlechte Faustregel für eine gute Anzahl von Jahren, um in einem Job zu bleiben, bevor Sie anfangen, sich im Kreis zu bewegen. Einige Menschen arbeiten eine Weile und kehren dann zu höheren Studien zurück. Einige Leute (wie ich) beginnen eine Promotion und erhalten dann ein "Angebot zu gut, um es abzulehnen" und verlassen die Promotion, um zu arbeiten. Tut es mir leid, dass ich das getan habe? NEIN, überhaupt nicht, und wenn ich noch einmal von vorne anfangen würde, würde ich sowieso in einem ganz anderen Thema promovieren.

5. Der beste Vorschlag, den ich Ihnen machen kann, ist, das zu tun, was Ihnen am besten gefällt, und zu sehen, wie es sich entwickelt. Niemand sonst kann Ihnen sagen, was für Sie am besten ist. Manchmal muss man einfach etwas ausprobieren und, wenn es nicht funktioniert, so viel wie möglich daraus lernen und zu etwas anderem übergehen. Wie Rodin sagte: Nichts ist Zeitverschwendung, wenn Sie die Erfahrung weise nutzen.

Bevor ich meine Meinung zur beruflichen Routine wiedergebe, werde ich einige Stellen in Ihrem Beitrag herausgreifen, die ich für relevant halte (Hervorhebung meiner):

1. Ich bin eine sehr neugierige Person
2. Arbeitet mit intellektuell herausfordernden Dingen
3. Ich muss ehrlich sein und sagen, dass ich es auch hasse, jemanden mit einem höheren Grad als mich zu sehen ( Eitelkeit )
4. Ich kann eine Karriere beginnen und in ein oder zwei Jahren viel Geld verdienen
5. gründe meine eigene Firma

Basierend auf 1 und 2 scheinen Sie eine sehr romantische Sicht auf Datenwissenschaft und Forschung im Allgemeinen zu haben. Ja, Sie werden sich mit interessanten Problemen befassen, aber sicher 24/7 (dies gilt sowohl für die Industrie als auch für die Forschung).

Basierend auf 2 und 3 scheinen Sie die Forschung als die Spitze des menschlichen Intellekts zu betrachten und einen Doktortitel als eine Bestätigung Ihrer Intelligenz zu betrachten. Ich stimme nicht zu, weil:

• Sowohl in der akademischen Forschung als auch in der Industrie gibt es intellektuell herausfordernde Probleme. Ich denke, es ist eine seltsame Annahme, dass Akademiker mit den schwierigsten konfrontiert sind.
• Ein Doktortitel bedeutet nicht, dass Sie klug sind, sondern dass Sie das Zeug dazu haben, auf Ihrem Gebiet gute Forschung zu betreiben. Bei Forschung geht es nicht darum, schlauer zu sein als jemand anderes (obwohl es hilft). Kreativität und das Herangehen an Probleme aus einem anderen Blickwinkel sind ebenfalls sehr wichtige Eigenschaften. Wenn Sie den Beweis haben möchten, dass Sie schlauer sind als die nächste Person, machen Sie einen Mensa-Test, keinen Doktortitel.

_{Meiner persönlichen Meinung nach sind die klügsten Menschen diejenigen, die mit ihren Entscheidungen ein glückliches Leben führen, ob das nun bedeutet, Nuklearphysiker oder Zimmermann zu werden. Treffen Sie Ihre Entscheidungen nicht danach, ob sie Ihnen etwas bieten, mit dem Sie angeben können.}

Basierend auf 4 und 5, sieht es so aus, als ob Sie sich vorstellen, irgendwann ein eigenes Unternehmen zu gründen. Beachten Sie, dass Sie bei Startups, auch wenn diese technologieorientiert sind, wahrscheinlich nicht den größten Teil Ihrer Zeit mit der eigentlichen Technologie verbringen werden. Marketing, Geschäftspläne, Management usw. usw. sind für erfolgreiche Startups gleichermaßen (wenn nicht sogar wichtiger). Wie soll ein Doktor helfen?

Nun, da diese Vorbereitungen aus dem Weg sind: Meine persönliche Meinung zum Berufsalltag eines maschinell lernenden Wissenschaftlers. Zuallererst: Sie können mit modernsten Methoden an großen / komplizierten / interessanten Datensätzen mit einem Schwerpunkt Ihrer Wahl arbeiten. Es ist mit Sicherheit eine sehr interessante Arbeit.

... ABER

Echtes maschinelles Lernen erfordert viel Grunzen

Sie werden nicht jede Arbeitsstunde in einer utopischen Welt voller mathematischer Eleganz verbringen, während eine Armee von Computern Ihre Gebote abgibt. Ein großer Teil Ihrer Zeit wird für Grunzarbeit aufgewendet: Datenbankverwaltung, Vorbereiten von Datensätzen, Normalisieren von Daten, Behandeln von Inkonsistenzen usw. usw. Ich verbringe den größten Teil meiner Zeit mit solchen Aufgaben. Sie werden mit der Zeit nicht aufregender. Wenn Sie sich nicht für Ihr Thema begeistern, verlieren Sie schließlich die Motivation, diese Dinge zu tun.

Wenn Sie an maschinellen Lernkursen teilgenommen haben, erhalten Sie normalerweise gut beschriftete Datensätze ohne Inkonsistenzen, keine fehlenden Daten, bei denen alles so ist, wie es sein sollte. Dies ist kein echtes maschinelles Lernen. Sie werden die meiste Zeit damit verbringen, zu dem Punkt zu gelangen, an dem Sie bereit sind, Ihren Lieblingsalgorithmus auszuführen.

Erwartungsmanagement in Kooperationen

Wenn Sie interdisziplinäre Projekte durchführen möchten, müssen Sie lernen, mit Menschen zusammenzuarbeiten, die wenig oder gar nichts über Ihre Arbeit wissen (dies gilt für jede Spezialisierung). Beim maschinellen Lernen impliziert dies häufig eines von zwei Szenarien:

• Ihre Mitarbeiter haben zu viel Fernsehen gesehen und denken, dass Sie mit einem ausgefallenen Algorithmus und vielen coolen Visualisierungen alles lösen können.
• Ihre Mitarbeiter verstehen die von Ihnen verwendeten Techniken nicht und erkennen daher nicht die Vorteile oder potenziellen Anwendungen.

• Wie ist es, als Data Scientist / Machine Learner mit einem Master-Abschluss in der Branche zu arbeiten? Welche Art von Arbeit machen sie? Besonders wenn ich diese Anzeigen auf Amazon als Wissenschaftler für maschinelles Lernen lese, frage ich mich immer, was sie tun.

Die geschäftlichen Probleme ändern sich je nach Abschluss nicht wirklich, sodass Sie sich die gleichen oder ähnliche Dinge ansehen würden. Wenn Sie in einer großen Organisation arbeiten, bearbeiten Sie die großen Datensätze des Unternehmens. Dies können in der Regel Produkt- / Kundendaten oder Betriebsdaten sein (chemische Prozessdaten, Finanzmarktdaten, Website-Verkehrsdaten usw.). Das generische Endziel ist es, die Daten zu nutzen, um Geld zu sparen oder Geld für das Unternehmen zu verdienen.

• Dieselbe Frage wie zuvor, jedoch mit einem Doktortitel. Machst du etwas anderes oder dasselbe wie mit Meistern?

Die Antwort ist wie oben, Sie würden so ziemlich die gleichen Dinge tun. Wenn Sie jedoch in der Forschung / quantitativen Analyse / oder einer ähnlichen technischen Abteilung eines großen internationalen Konzerns promoviert haben, haben Sie einen Vorteil gegenüber jemandem mit einem MSc. in Bezug auf den beruflichen Aufstieg. Die Promotion lehrt (oder soll lehren), dass Sie ein unabhängiger Forscher sind. Mit einer Promotion „schätzt“ das Unternehmen Ihre Arbeitskraft (neugierige Fähigkeiten und Fleiß) daher in der Regel ein bisschen mehr. ABER ich würde dringend davon abraten, zu promovieren, nur um (möglicherweise) schneller Karriere zu machen. Ein Doktorat zu machen ist ein schwieriger und vor allem gegen Ende schmerzhafter Prozess. Sie müssten Ihr Fach (im Idealfall) mögen und meiner Meinung nach auch ein potenzielles Interesse daran haben, an der Wissenschaft zu bleiben (was ein Beweis für Ihre Affinität zur Forschung ist) und das besondere Thema), um es erträglich zu machen.

Bedenken Sie auch, dass Sie, wenn Sie mit einem Doktortitel in die Industrie zurückkehren, in der Karriereleiter zurückbleiben und möglicherweise in eine technisch orientierte Unterstützungsrolle geleitet werden (was sich im Vergleich zu denjenigen, die echtes Geld für das Unternehmen verdienen, weniger auszahlt). was möglicherweise nicht Ihr primäres Ziel ist. Wenn Sie in einem kleinen Unternehmen arbeiten, in Ihrem eigenen Unternehmen, verschwindet die Grenze eines Doktortitels in Bezug auf Karriere oder Gehalt praktisch.

• Werde ich mich mit herausfordernden interessanten Problemen befassen? Oder langweiliges Zeug?

Ich denke, es gibt keine generische Antwort darauf. ML ist interdisziplinär. Wenn Sie als Analyst arbeiten, schauen Sie sich in der Regel Daten an und versuchen, Modelle zu erstellen. Wenn Sie sich auf der Entwicklungsseite befinden, haben Sie es am Ende mit den Feinheiten der Implementierung zu tun. Wenn Sie mit Kunden konfrontiert sind, müssen Sie möglicherweise viel Hand halten und Kunden schulen (aber wahrscheinlich mehr Geld verdienen). Normalerweise hängt die Antwort auf Ihre Frage von Ihren persönlichen Vorlieben und der Flexibilität Ihres Arbeitgebers ab.

Oder Sie können versuchen, sich einer Forschungsgruppe anzuschließen, in der Statistiker und maschinelle Lernende nicht alltäglich sind. Zum Beispiel Befall und Ausbreitung von Krankheiten, Botanik oder Ökologie, soziales Insekt oder vielleicht Sozialwissenschaften?

Ich kann Ihnen keine genauen Beispiele nennen, aber wenn Sie ein guter Statistiker / ML an einem Ort sind, an dem es nur wenige gibt, werden Sie Menschen und verschiedene Forschungsvorschläge finden. Der Punkt ist, dass Sie wirklich gefragt sein werden, ohne zu viel Aufwand von Ihrer Seite.

Wenn Sie diese Idee mögen, dann versuchen Sie, nach Problemen des maschinellen Lernens außerhalb Ihrer aktuellen Themen (Branche) zu suchen, und vielleicht finden Sie den Weg, wie Sie Ihre "herausfordernden interessanten Probleme" finden und "mit intellektuell herausfordernden Dingen arbeiten".

Ich stimme den anderen Antworten zu. Ich möchte nur betonen, dass ein gängiger Weg (zumindest in den USA) für Menschen wie Sie, die zögern, zwischen der Fortsetzung einer Promotion oder der Durchführung der Branche nach ihrem Bachelor-Abschluss zu zögern, darin besteht, sich für eine Promotion zu bewerben und sich dann zu verabschieden (ein Jahr oder länger). wenn die Dinge nicht so gut sind wie erwartet oder einfach nur die Industrie erkunden wollen. Es ist in der Regel einfacher, sich direkt nach dem Studium für eine Promotion zu bewerben: Sie haben die Angewohnheit, Prüfungen (GRE) zu schreiben, noch nicht vergessen, Professoren, die Empfehlungsschreiben für Sie schreiben, erinnern sich noch gut an Sie usw.

Bei Ihrem Vergleich zwischen Promotion und Industrie möchten Sie unter Umständen auch den Zugriff auf interessante Datensätze, die Verfügbarkeit von Computerclustern, die Software-Engineering-Fähigkeiten des jeweiligen Standorts und die Anzahl der für jedes Projekt zugewiesenen Personen miteinander vergleichen.

Schließlich gibt es in der Branche auch viele intellektuell herausfordernde Dinge, z. B. IBM / Google / Microsoft / Nuance / Facebook / etc. Forschungsabteilung (genau wie Sie eine Menge intellektuell unangefochtener Sachen aus der Wissenschaft finden können). ZB arbeiteten die Leute hinter SVM bei AT & T, IBM Watson ist bei IBM, Google Translate ist eines der besten maschinellen Übersetzungssysteme, Nuance und Google haben das beste Spracherkennungssystem, und dies sind alles andere als isolierte Beispiele. In der Tat habe ich immer unter Industrie und Wissenschaft gefragt , wer die meisten in Richtung des maschinellen Lernens Forschung beitragen (hatte ich die gleiche Frage in Bezug auf die Datenbankrecherche über Quoren gestellt: ? Wurde Datenbank Forschung hauptsächlich von der Industrie in den letzten zehn Jahren getrieben ).

Um einen Doktortitel zu erhalten, muss der Wissensstand des Menschen verbessert werden. Sie müssen nicht nur mehr lernen. Man muss etwas Originelles produzieren. Dies ist ein langer, langsamer und schmerzhafter Prozess, der nicht allen gelingt. Sie sollten also nur dann promovieren, wenn Sie der Meinung sind, dass Sie einen neuen, kreativen Beitrag in diesem Bereich leisten.

Wenn Sie nur das Feld lernen und es anwenden möchten, nehmen Sie höchstens Ihren Master und verbringen Sie den Rest Ihres Lebens mit dem Lernen, während Sie sich bewerben. Dinge lesen. Nehmen Sie an gelegentlichen Workshops teil. Wenn Sie irgendwann mit dem Drang infiziert sind, etwas wirklich Originelles zu machen, machen Sie eine (lange) Pause von Ihrer Karriere und versuchen Sie dann, diesen Doktortitel zu bekommen.

Wenn Sie die / berühmte kleine Firma / Route wählen, haben Sie die Freiheit, eine Forschungsabteilung in Ihrem Unternehmen einzurichten.

Hier können Sie ärgerlich kreativ werden, wie in, hemmungslos ... erkunden Sie alle Ihre Kindheitsphantasien, intellektuell herausfordernden Sachen ... Sie bestimmen das Tempo ... Sie werden / der Mann / sein.

Sie müssen nicht an den University Labs sitzen, um eine / Killer / Forschungsarbeit zu schreiben.

Trotzdem können Sie sich jederzeit mit den zuständigen Forschungsabteilungen an der Univ. sehen...? zwei vögel mit einem stein :-)

... jemand anderes mit einem höheren Abschluss ...

Nun, Eitelkeit in Maßen motiviert uns, das Beste zu suchen, was es geben kann.

Viel Glück.

yb