吴恩达谈机器学习领域的职业生涯建议

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）

没什么干货！！！

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。。。

借着NG的话"知识深度重要还是广度重要：深度更重要。" 来黑一下"后ML时代，domain knowledge比会几个model重要一万倍！"。

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？

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

另外是不是机器学习从业者都是博士起，硕士基本没戏呀

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。

感谢楼主分享笔记，确实对我在DS职业规划上有帮助。

very helpful!! Thanks for sharing!

支持。。。。。

rxx3386 发表于 2019-8-15 06:30
我就是。。。

OMG 我之前看过你的offer帖