码农转行做机器学习，求建议

pandami 发表于 2020/05/07 10:25:11
Coursera学了就想转ML。。。
先把YouTube的CS229看一遍 测试一下能不能听懂再说吧
现在随便上几节课简...

这年fall准备把CS229下半场补上的过来赞一下。实话说现在地里风气就这样，哄最好，所以我都懒得说话了

cutekitty 发表于 2020/05/21 11:05:29
这年fall准备把CS229下半场补上的过来赞一下。实话说现在地里风气就这样，哄最好，所以我都懒得说话了

哈哈 加油！
cs229配套的那个notes总结的还不错
先视频后notes先后看了两遍每次都有收获

pandami 发表于 2020/05/21 12:11:53
哈哈 加油！
cs229配套的那个notes总结的还不错
先视频后notes先后看了两遍每次都有收获

谢谢！我到时候上这课时留意一下～

宇宙第一 发表于 2020-5-21 01:10
简历上的项目你是怎么充实的？ 在哪里找的项目？

自己做project加暑期实习project。

愤怒的咸鱼 发表于 2020-5-21 01:18
先放我的结论，转ml是可行的，但是需要积累速成比swe难。因为其实楼主想做ml，也不是去一个带ml title的组 ...

大佬说的就是很有道理，对于即将入职做MLE的新人很有帮助

感觉这年头做推荐，计算广告的都被ml给边缘化了

可以转的，ML的前景佳，想转ML没有问题

和转专业比较类似，如果LZ要转可能会要做好迎接挑战的准备。
ML还分很多类，现在比较成熟的比如广告，推荐系统，然后是视觉。RL和NLP, generative models都还不是很成熟，可以选择一个适合自己的领域。
MLE的工作内容也分很多种，可以偏向feature engineering ，可以做ML infra ML pipeline，甚至data collection, feature logging都可以算ML。很多工程师喜欢做model的活，这样越偏向research就需要越强的数学背景（主要是线性代数，优化，和概率）。能把其他人的model用到你们自己新的产品上的话，其实也是很好的机会，这个也需要一定的数学背景。总之越偏向research和algorithm需要的数学就越严格，越远离的需要的engineering 就越严格，很合理。

我的建议是LZ可以尝试用短期的准备找到适合的ML职位，在积累经验的同时继续深入了解ML的知识体系。

Jing666 发表于 2020/05/21 06:58:26
其实ML也需要很多infras的支持，就算是google brain里拿过phd的staff engineer也可能要写...

非常感谢建议 想请问下ml infra有没有好的学习材料或者课程？

Jing666 发表于 2020/05/21 06:58:26
其实ML也需要很多infras的支持，就算是google brain里拿过phd的staff engineer也可能要写...

你是放弃ml research去了业界吧？
去了业界也可以做ml啊，很有mle不就是业界中做ml的么

jasonhh 发表于 2020-5-6 16:10
我不是大神 但是学ml三年了 一直想转到nlp但是还没彻底成功 只是有点感想。

1. 以后越来越不缺调包侠，九 ...

没明白怎么cv nlp就比推广搜mle好了。
有什么区别吗？