一亩三分地

 找回密码 注册账号

扫描二维码登录本站


Salarytics=Salary Analytics
查询工资数据
系统自动计算每年收入

科技公司如何
用数据分析驱动产品开发
coupon code 250off 立减$250

深入浅出AB Test
从入门到精通
coupon code 250off 立减$250
游戏初创公司招聘工程师、UIUX Designer和游戏策划
坐标湾区
DreamCraft创始团队
招聘游戏开发工程师
把贵司信息放这里
查看: 11200|回复: 40
收起左侧

吴恩达谈机器学习领域的职业生涯建议

    [复制链接] |试试Instant~ |adobe, 码农类general, 求职, 找工就业, 工作信息
我的人缘0

分享帖子到朋友圈
liux0656 | 显示全部楼层 |阅读模式
本楼: 👍   100% (35)
 
 
0% (0)   👎
全局: 👍   99% (527)
 
 
0% (4)    👎

注册一亩三分地论坛,查看更多干货!

您需要 登录 才可以下载或查看,没有帐号?注册账号

x
推荐一个求职经验视频:斯坦福 Deep Learning | Autumn 2018 | Lecture 8



笔记版: https://blog.usejournal.com/advice-on-building-a-machine-learning-career-and-reading-research-papers-by-prof-andrew-ng-f90ac99a0182

前半部分谈如何读paper,这里就不展开了。职业建议说的很不错,说到很多次要有impact,meaningful,useful,important,确实这也是职业发展是否有后劲,或者说干的开不开心的主要原因。(除了钱的引力之外)

机器学习领域的职业生涯建议:

专注于做重要的工作,将你的工作视为一种策略并找到机会做有用的。

招聘人员关注的?

  • 机器学习技能。
  • 有意义的工作:表明你可以完成的项目。


优秀的机器学习工程师,nb的求职者,一个普遍特征是建立T形知识库。 这意味着对人工智能中的许多不同主题有广泛的理解,并且至少在一个领域有非常深刻的理解。


水平部分:

打好基础技能的一种非常有效的方法就是:上课和阅读研究论文。

垂直部分:

通过项目,开源贡献,研究和实习来完成

选择工作:

如果您想继续学习新事物,那么以下是影响您成功的因素:

  • 无论与优秀的人/项目合作:勤奋氛围都会影响到你的成功。
  • 除了经理之外,了解和评估将与之合作的团队(10-30人)。
  • 不要专注于“名气”:公司的品牌与个人并不是很相关。

所以在决定之前,问好将跟哪个团队一起共事,不要说“加入我们,之后分配给团队”的这种方式,因为这样可能会遇到一个你不感兴趣的事,这无助于有效地发展。另一方面,如果你能找到一个好的团队(即使是在一个不知名的公司)并加入,你实际上可以学到更多。

总体建议

  • 倾向于选择能够让你学到最多东西的东西。
  • 做重要的工作:从事推动世界前进的有价值的项目。
  • 尝试将机器学习转移到传统行业:最令人兴奋的工作可能是在传统行业(科技行业之外),因为你可以在那里创造更多的价值。

关键点:

  • 养成阅读研究论文的习惯:每周2篇论文作为开始。
  • 高效阅读:编制一份论文清单,一次阅读多篇论文,每篇论文多遍阅读。
  • 阅读论文时:首先阅读标题/摘要/数字/介绍/结论。
  • 在尝试理解算法时:尝试重新实现数学并编码。
  • 尽量保持最佳状态:通过查看ML会议和其他在线资源中的论文。
  • 在AI中构建T形知识库。
  • 尝试加入一个有助提升你自己的优秀团队(在大公司或创业公司)。
  • 做些有用的项目,帮助自己学习最多,推动前进。
  • 尝试将机器学习带到其他行业:医疗保健,天文学,气候变化。

吴恩达的建议
1、一个优秀的AI人才不但需要有知识的广度,重要的是要有某个领域的知识深度。广度可以通过上课(包括在线课程)和阅读论文来提升,深度的话需要多接触各种项目(包括实际工作、实习或者各种开源项目);
2、随时保持学习的状态,花一个周末集中阅读论文和每天花上一点时间来阅读论文(或者学习)的效果差别很大。吴恩达现在每天都会放一沓论文在包里随时阅读。
3、谈找工作/读研的选择:不要把眼光放在学校/公司的名气上,主要看你要进的组/项目,进一个研究方向前沿的组,相比那些进大公司拧螺丝来说是一个更好的选择(前提是你确实想把AI作为事业追求)
4、知识深度重要还是广度重要:深度更重要。
5、怎么才能做到这种深度:量变引起质变,大量的阅读(依然是包括书籍、在线课程和论文)会让你自然产生新的想法。(举了个读论文例子,在读懂了的情况下,读10篇优秀论文=入门,50篇=掌握该领域,100篇=对此领域非常深入)
6、未来值得关注的领域:小数据集的模型训练、模型在现实世界的泛化能力、用ML模型来评估现实世界(比如自动生成商品评论、代替产品经理自动生成软件工程项目的评估报告等)
7、未来人机互动的场合会越来越多,coding能力会成为未来社会的通用技能(类似阅读和写作能力)



评分

参与人数 62大米 +155 收起 理由
edyyy + 3 给你点个赞!
60inUS + 1 给你点个赞!
lalavender + 1 很有用的信息!
Sakuraguoqi + 1 赞一个
kscnana + 1 很有用的信息!
luse890518 + 1 很有用的信息!
ChrisKK + 2 给你点个赞!
yyx5882136 + 2 很有用的信息!
琪琪子 + 2 很有用的信息!
MichaelPIBQ + 1 很有用的信息!
michaelnyc + 1 赞一个

查看全部评分

本帖被以下淘专辑推荐:

我的人缘0
ambgeorge 2019-8-27 12:49:08 | 显示全部楼层
本楼: 👍   100% (4)
 
 
0% (0)   👎
全局: 👍   100% (11)
 
 
0% (0)    👎
没什么干货!!!
回复

使用道具 举报

我的人缘0
rxx3386 2019-8-15 06:30:07 | 显示全部楼层
本楼: 👍   100% (2)
 
 
0% (0)   👎
全局: 👍   100% (11)
 
 
0% (0)    👎
rh443453518 发表于 2019-8-14 14:57
感谢楼主的分享!好奇有没有人是在职自学,或是非科班PhD/MS,拿下机器学习工程师或相关职位的offer呢?

我就是。。。
回复

使用道具 举报

我的人缘0
 楼主| liux0656 2019-8-27 13:10:55 | 显示全部楼层
本楼: 👍   100% (1)
 
 
0% (0)   👎
全局: 👍   99% (527)
 
 
0% (4)    👎
本帖最后由 liux0656 于 2019-8-27 13:53 编辑
liux0656 发表于 2019-8-27 11:06
机器学习的课程涉及了很多数学、统计概率、以及优化方向的知识,

大概包括:

整理了一些机器学习免费电子书

https://www.1point3acres.com/bbs ... 7&page=1#pid7817330
发现google也出了一门网课,Machine Learning Crash Course with TensorFlow APIs,一堆牛人亲自授课如peter norvig

https://developers.google.com/machine-learning/crash-course/
还有一篇 大名鼎鼎的机器学习43条军规,Best Practices for ML Engineering

作者Martin Zinkevich是谷歌大脑的高级科学家,负责和参与了YouTube、Google Play 以及Google Plus等产品中的机器学习项目

https://developers.google.com/ma ... guides/rules-of-ml/

评分

参与人数 3大米 +5 收起 理由
edyyy + 3 给你点个赞!
每天努力chill + 1 很有用的信息!
xiyaoyaojing + 1 很有用的信息!

查看全部评分

回复

使用道具 举报

我的人缘0
jojozheng 2019-8-15 00:18:06 | 显示全部楼层
本楼: 👍   100% (1)
 
 
0% (0)   👎
全局: 👍   100% (11)
 
 
0% (0)    👎
hmwyyx66 发表于 2019-8-14 15:30
另外是不是机器学习从业者都是博士起,硕士基本没戏呀

据我了解, 很多大厂搞研发创新是肯定要PHD的。但是你只是用DS 做analytics, 其实基础较好的master很多大厂也要的,可能头衔是某部门的analyst(data science track) 。 如果读PHD只是为了近大厂,多半容易在读书的半路就掉链子。
回复

使用道具 举报

我的人缘0
hmwyyx66 2019-8-14 15:30:05 | 显示全部楼层
本楼: 👍   100% (1)
 
 
0% (0)   👎
全局: 👍   94% (72)
 
 
5% (4)    👎
另外是不是机器学习从业者都是博士起,硕士基本没戏呀
回复

使用道具 举报

我的人缘0
rh443453518 2019-8-14 14:57:53 | 显示全部楼层
本楼: 👍   100% (1)
 
 
0% (0)   👎
全局: 👍   97% (81)
 
 
2% (2)    👎
感谢楼主的分享!好奇有没有人是在职自学,或是非科班PhD/MS,拿下机器学习工程师或相关职位的offer呢?
回复

使用道具 举报

我的人缘0
hmwyyx66 2019-8-14 15:29:04 | 显示全部楼层
本楼: 👍   0% (0)
 
 
0% (0)   👎
全局: 👍   94% (72)
 
 
5% (4)    👎
rh443453518 发表于 2019-8-14 14:57
感谢楼主的分享!好奇有没有人是在职自学,或是非科班PhD/MS,拿下机器学习工程师或相关职位的offer呢?

同问同问同问同问
回复

使用道具 举报

我的人缘0
jojozheng 2019-8-15 00:19:17 | 显示全部楼层
本楼: 👍   0% (0)
 
 
0% (0)   👎
全局: 👍   100% (11)
 
 
0% (0)    👎
感谢楼主分享笔记,确实对我在DS职业规划上有帮助。
回复

使用道具 举报

我的人缘0
luckbear 2019-8-15 03:47:55 | 显示全部楼层
本楼: 👍   0% (0)
 
 
0% (0)   👎
全局: 👍   85% (6)
 
 
14% (1)    👎
very helpful!! Thanks for sharing!
回复

使用道具 举报

我的人缘0
rh443453518 2019-8-16 12:20:08 | 显示全部楼层
本楼: 👍   0% (0)
 
 
0% (0)   👎
全局: 👍   97% (81)
 
 
2% (2)    👎

OMG 我之前看过你的offer帖
回复

使用道具 举报

您需要登录后才可以回帖 登录 | 注册账号

本版积分规则

隐私提醒:
■为防止被骚扰甚至人肉,不要公开留微信等联系方式,请以论坛私信方式发送。
■特定版块可以超级匿名:https://pay.1point3acres.com/tools/thread
■其他版块匿名方法:http://www.1point3acres.com/bbs/thread-405991-1-1.html

手机版||一亩三分地

GMT+8, 2019-11-18 08:30

Powered by Discuz! X3

© 2001-2013 Comsenz Inc. Design By HUXTeam

快速回复 返回顶部 返回列表