मशीन सीखने वाले वैज्ञानिक की दैनिक नौकरी की दिनचर्या क्या है?


25

मैं एक जर्मन विश्वविद्यालय में मास्टर सीएस छात्र हूं जो अब मेरी थीसिस लिख रहा है। मुझे दो महीने में किया जाएगा मुझे बहुत कठिन निर्णय लेना है अगर मुझे पीएचडी जारी रखना चाहिए या उद्योग में नौकरी ढूंढनी चाहिए।

पीएचडी करने के मेरे कारण:

  • मैं बहुत जिज्ञासु व्यक्ति हूं और मुझे लगता है कि मेरे पास अभी भी बहुत ज्ञान की कमी है । मैं बहुत कुछ सीखना चाहता हूं और पीएचडी मुझे इसके लिए मदद करेगी, क्योंकि मैं अधिक अच्छे पाठ्यक्रम कर सकता हूं और बहुत सारे कागजात पढ़ सकता हूं और डेटा माइनिंग और मशीन लर्निंग का विशेषज्ञ बन सकता हूं। मुझे गणित से प्यार है लेकिन मेरे अंडरग्रेजुएट (खराब यूनी) में यह अच्छा नहीं था। अब इस जर्मन यूनी में मुझे लगता है कि मैंने कई महान गणित कौशल विकसित किए हैं और मैं इसमें सुधार करना चाहता हूं क्योंकि मुझे वास्तव में गणित से प्यार है! (मैं अपने अंडरगार्मेंट में और अपने जीवनकाल के दौरान वास्तव में गणित में बहुत बुरा था लेकिन अब मैं देखता हूं कि मैं गणित अच्छे से कर सकता हूं!)

  • मैं बौद्धिक रूप से चुनौतीपूर्ण सामान के साथ काम करूंगा।

  • मुझे ईमानदार होने की जरूरत है और यह भी कहना है कि मुझे अपने से उच्चतर डिग्री के साथ किसी और को देखने से नफरत है । इसलिए अगर मैं सड़क पर चलता हूं और किसी को पीएचडी के साथ देखता हूं, तो मुझे यह कहने की ज़रूरत नहीं है कि "अरे वाह यह आदमी मुझसे ज्यादा चालाक है।" मैं दूसरी तरफ रहना पसंद करता हूं। ;)

पीएचडी न करने के मेरे कारण:

  • मैंने पीएचडी करने या न करने के बारे में इंटरनेट पर पढ़ा। मुझे पता चला कि ज्यादातर और सामान्य मामलों में पीएचडी वाले लोग उस्ताद लोगों के साथ उसी तरह का काम करते हैं। (यह कंप्यूटर विज्ञान में एक सामान्य अवलोकन था, एमएल / डीएम के बारे में नहीं)।

  • मैं करियर शुरू कर सकता हूं और 1 या 2 साल में बहुत पैसा कमा सकता हूं, फिर मैं शायद अपनी खुद की कंपनी शुरू कर सकता हूं।

क्या अभी तक स्पष्ट नहीं है:

मुझे अभी भी नहीं पता है कि अंत में मेरा अंतिम लक्ष्य क्या है। क्या यह एक प्रसिद्ध छोटी कंपनी है? या यह एक प्रसिद्ध वैज्ञानिक होना है? मेरे पास अभी भी इस सवाल का जवाब नहीं है।

निर्णय लेने में मेरी मदद करने के लिए मैं दो बातें जानना चाहता हूं:

  • उद्योग में मास्टर डिग्री के साथ डेटा वैज्ञानिक / मशीन सीखने वाले के रूप में काम करना कैसा है? तुम किस तरह का काम करते हो? खासकर जब मैं अमेज़न पर उन विज्ञापनों को मशीन सीखने वाले वैज्ञानिक के रूप में पढ़ता हूं, तो मुझे हमेशा आश्चर्य होता है कि वे क्या करते हैं।

  • पहले जैसा ही सवाल, लेकिन पीएचडी के साथ। क्या आप स्वामी के साथ कुछ अलग या समान काम करते हैं?

  • क्या मैं चुनौतीपूर्ण दिलचस्प समस्याओं से निपटने जा रहा हूँ? या कुछ बोरिंग सामान?

एक मामूली नोट के रूप में: मैंने मशीन लर्निंग (जर्मनी में) में पीएचडी के साथ एक आदमी को देखा है और एक कंपनी में काम कर रहा है जो मशीन लर्निंग सॉफ्टवेयर को बढ़ावा देता है। जैसा कि मैंने समझा कि उनकी अधिकांश नौकरी लोगों को तरीकों और सॉफ्टवेयर (निर्णय पेड़ .. आदि) का उपयोग करने के लिए प्रशिक्षित कर रही है।

यह बहुत अच्छा होगा यदि मुझे जर्मनी / स्विट्जरलैंड से संबंधित कुछ प्रसिद्ध अच्छी कंपनियों के अनुभवों के कुछ उत्तर मिल सकते हैं।


5
"... और जब हर कोई सुपर है, तो कोई भी नहीं है" - सिंड्रोम, इनक्रेडिबल्स में। ( youtube.com/watch?v=A8I9pYCl9AQ ) चारों ओर घूमने के लिए पर्याप्त प्रसिद्धि नहीं है। अगर सभी की समान हिस्सेदारी है तो मांग के लिए पर्याप्त नहीं है। यह एक आर्थिक संबंध है जिसकी आपको या तो सही मायने में अलग और असाधारण बनने के लिए, एक शिकारी बनने या असफल होने की आवश्यकता है। "क्योंकि हम सभी बस बड़े रॉकस्टार बनना चाहते हैं, और पंद्रह कारों को चलाने वाले पहाड़ी घरों में रहते हैं .." मीडिया के पास इसका जवाब नहीं है - यह भी शिकारियों से ग्रस्त है और विफल रहता है। व्यायाम सावधानी।
एंग्रीस्टूडेंट -

3
यहां एक संबंधित प्रश्न है , मशीन सीखने वालों में कौशल को खोजने के लिए कौशल , जिसे कई उत्तर मिले जो यहां भी प्रासंगिक हैं।
असद इब्राहिम

1
जैसा कि आप उद्योग के बारे में सोच रहे हैं, आस-पास कुछ लोग / कंपनियां हैं जिन्हें आप दोहन पर भी विचार कर सकते हैं, एक एसएएफ (स्विट्जरलैंड) है, जिसे अब एसएपी द्वारा अधिग्रहित किया गया है। वहाँ अनुसंधान गणितज्ञ इस साइट पर है ... शायद वह खुद को पेश करेंगे। ;) यदि नहीं, तो मंच के बाहर मुझसे संपर्क करने के लिए स्वतंत्र महसूस करें और मैं परिचय कर सकता हूं। Booking.com (एम्स्टर्डम) कुछ बहुत ही रोचक मशीन सीखने / खनन खनन समस्याओं के लिए आपकी, मास्टर्स या पीएचडी जैसी पृष्ठभूमि वाले सक्रिय लोगों को भी काम पर रख रहा है। अगर दिलचस्पी है तो दोबारा संपर्क करने के लिए स्वतंत्र महसूस करें।
असद अब्राहिम

मुझे लगता है कि आप भी संबंधित क्यू एंड ए यहां पा सकते हैं academia.stackexchange.com
सिमोन

5
यह कहने के लिए क्षमा करें, लेकिन पीएचडी (घमंड) पर विचार करने के लिए आपके द्वारा सूचीबद्ध अंतिम कारण एक भयानक है। सुनिश्चित करें कि यह आपका मुख्य ड्राइवर नहीं है या यह संभवतः आपको एक दीवार में चलाएगा।
मार्क क्लेसेन

जवाबों:


22

एलेक्स, मैं विशेष रूप से जर्मनी या स्विट्जरलैंड पर टिप्पणी नहीं कर सकता, लेकिन मैं सभी विभिन्न देशों के 100,000 से अधिक लोगों के कर्मचारियों के साथ एक अंतरराष्ट्रीय कंपनी के लिए काम करता हूं। इनमें से ज्यादातर लोगों के पास कम से कम स्नातक स्तर की डिग्री है, कई के पास मास्टर्स और पीएचडी है और एचआर और एडमिन स्टाफ को छोड़कर, हम में से अधिकांश एक या एक से अधिक विभिन्न वैज्ञानिक डोमेन में विशेषज्ञ हैं। मेरे पास 30 से अधिक वर्षों का अनुभव है, एक कुशल वैज्ञानिक / तकनीकी विशेषज्ञ, एक प्रबंधक, एक परियोजना प्रबंधक के रूप में काम किया है और अंततः एक विशुद्ध रूप से वैज्ञानिक भूमिका में लौट आया हूं जो मुझे पसंद है। मैं कर्मचारियों को काम पर रखने और शायद मेरी कुछ टिप्पणियों का भी पालन करता हूं, जो आपके लिए महत्वपूर्ण हो सकती हैं।

  1. अधिकांश नए स्नातकों को वास्तव में पता नहीं है कि वे क्या चाहते हैं और यह पता लगाने में आमतौर पर कुछ साल लगते हैं। ज्यादातर मामलों में उनके कार्यस्थल का अनुभव उन कारणों की तुलना में काफी भिन्न होता है, जिनके लिए उन्होंने कई कारणों से उम्मीद की थी। कुछ कार्यस्थल रोमांचक होते हैं जबकि कुछ सुस्त, उबाऊ और "कार्यस्थल की राजनीति", खराब बॉस आदि, कभी-कभी बड़ी समस्याएं हो सकती हैं। उच्चतर डिग्री इनमें से किसी भी मुद्दे पर मदद कर सकती है या नहीं भी।

  2. अधिकांश नियोक्ता ऐसे लोगों को चाहते हैं जो "काम कर सकते हैं" और जितनी जल्दी हो सके उत्पादक हो। नियोक्ता के आधार पर उच्च डिग्री या कोई फर्क नहीं पड़ सकता है। कुछ स्थितियों में दरवाजा बंद है UNLESS आपके पास एक पीएचडी है। अन्य स्थितियों में, दरवाजा बंद किया जा सकता है क्योंकि आपके पास पीएचडी है और नियोक्ता किसी को "कम सैद्धांतिक और अधिक व्यावहारिक दृष्टिकोण के साथ" चाहता है।

  3. एक पीएचडी का मतलब तेजी से पदोन्नति या वेतन में बहुत अधिक अंतर नहीं होता है और आप जिस तरह की स्थिति प्राप्त कर सकते हैं उस तरह की स्थिति में कोई अंतर नहीं हो सकता है। आम तौर पर जब मैं उम्मीदवारों का साक्षात्कार ले रहा होता हूं, तो मुझे काम से संबंधित अनुभव वाले लोगों को खोजने में सबसे ज्यादा दिलचस्पी होती है। एक पीएचडी एक स्थिति हासिल करने में एक अंतिम निर्णायक कारक हो सकता है, यदि उम्मीदवार का थीसिस विषय विशेष रूप से प्रासंगिक है।

  4. लोग पहले की तुलना में अब अधिक बार नौकरी बदलते हैं। आपकी आयु 2 * pi से विभाजित होती है, जब आप मंडलियों में घूमना शुरू करते हैं, तो एक अच्छी संख्या में नौकरी में रहने के लिए अंगूठे का बुरा नियम नहीं है। कुछ लोग थोड़ी देर के लिए काम करते हैं और फिर उच्च अध्ययन पर लौट आते हैं। कुछ लोग (मेरे जैसे) एक पीएचडी शुरू करते हैं और फिर "मना करने के लिए बहुत अच्छा प्रस्ताव" प्राप्त करते हैं और पीएचडी को जाने और काम करने के लिए छोड़ देते हैं। क्या मुझे खेद है कि मैंने ऐसा किया? नहीं, बिल्कुल नहीं, और अगर मैं फिर से शुरू कर रहा था तो मैं वैसे भी पूरी तरह से अलग विषय में पीएचडी करूंगा।

  5. सबसे अच्छा सुझाव जो मैं आपको दे सकता हूं वह यह है कि आप जो कर रहे हैं उसे करने में सबसे ज्यादा मजा आता है और देखें कि यह कैसे सामने आता है। कोई और नहीं आपको बता सकता है कि आपके लिए सबसे अच्छा क्या होगा। कभी-कभी आपको बस कुछ करने की कोशिश करनी होती है और अगर यह काम नहीं करता है, तो जितना संभव हो उतना सीखें और इसे आगे बढ़ाएं। जैसा कि रॉडिन ने कहा: यदि आप अनुभव का उपयोग बुद्धिमानी से करते हैं तो कुछ भी कभी भी बेकार नहीं होता है।


आपका पीएचडी विषय क्या था? और अब आप किस विषय में पीएचडी करेंगे?
जैक ट्वेन

1
एलेक्स, यह आपके प्रश्न के लिए पूरी तरह से अप्रासंगिक है, लेकिन मेरा मूल पीएचडी तेल और गैस क्षेत्र की खोज और विकास में विभिन्न स्रोतों (भूभौतिकी, भूविज्ञान, पेट्रोफिज़िक्स, उत्पादन और जलाशय इंजीनियरिंग डेटा) से जानकारी की एक विविध रेंज को एकीकृत करने के लिए कार्यप्रणाली से संबंधित था। और अब मैं क्या करता? वित्तीय बाजारों में एमएल और सूचना सिद्धांत के अनुप्रयोग। बहुत अधिक कठिन, चुनौतीपूर्ण और बेहतर भुगतान! :-) आप जो भी तय करते हैं, बस FUN है!
टोनी मॉरलैंड

मुझे यकीन नहीं है कि मैंने 2 * पीआई नियम को समझा। क्या आप एक उदाहरण से बता सकते हैं।
दिक्खूजी

8

इससे पहले कि मैं नौकरी की दिनचर्या के बारे में मेरी राय का वर्णन करूँ, मैं आपके पोस्ट के कुछ टुकड़े चुनूँगा जो मुझे लगता है कि प्रासंगिक हैं (जोर मेरा):

  1. मैं बहुत जिज्ञासु व्यक्ति हूं
  2. बौद्धिक रूप से चुनौतीपूर्ण सामान के साथ काम करेंगे
  3. मुझे ईमानदार होने की जरूरत है और यह भी कहना है कि मैं किसी और को अपने से अधिक डिग्री ( घमंड ) के साथ देखने से नफरत करता हूं
  4. मैं करियर शुरू कर सकता हूं और 1 या 2 साल में बहुत पैसा कमा सकता हूं
  5. मेरी खुद की कंपनी शुरू करो

1 और 2 के आधार पर, आप सामान्य रूप से डेटा विज्ञान और अनुसंधान का एक बहुत ही रोमांटिक दृष्टिकोण रखते हैं। हां, आपको दिलचस्प समस्याओं पर काम करना होगा, लेकिन निश्चित रूप से 24/7 (यह उद्योग और अनुसंधान दोनों पर लागू होता है)।

2 और 3 के आधार पर, आप शोध को मानव बुद्धि का आधार मानते हैं और पीएचडी को अपने स्मार्ट के प्रमाण के रूप में मानते हैं। मैं सहमत नहीं हूं, क्योंकि:

  • अकादमिक अनुसंधान और उद्योग दोनों में बौद्धिक रूप से चुनौतीपूर्ण समस्याएं हैं। मुझे लगता है कि यह एक अजीब धारणा है कि शिक्षाविदों का सामना सबसे मुश्किल है।
  • पीएचडी होने का मतलब यह नहीं है कि आप स्मार्ट हैं, इसका मतलब है कि आपके पास अपने क्षेत्र में अच्छा शोध करने के लिए क्या है। अनुसंधान किसी और की तुलना में चालाक होने के बारे में नहीं है (हालांकि यह मदद करता है)। रचनात्मकता और विभिन्न कोणों से आने वाली समस्याएं भी बहुत महत्वपूर्ण गुण हैं। यदि आप किसी तरह का प्रमाण चाहते हैं कि आप अगले व्यक्ति की तुलना में अधिक स्मार्ट हैं, तो मेन्सा परीक्षण लें, पीएचडी नहीं।

मेरी निजी राय में होशियार लोग वही होते हैं जो अपने द्वारा किए गए विकल्पों के साथ एक खुशहाल जीवन व्यतीत करते हैं, चाहे वह परमाणु भौतिक विज्ञानी हो या बढ़ई। इस पर आधारित अपने निर्णय न करें कि वे आपको कुछ दिखावा करने के लिए अनुदान देते हैं या नहीं।

4 और 5 के आधार पर, ऐसा लगता है कि आप किसी बिंदु पर अपनी कंपनी शुरू करने की कल्पना कर रहे हैं। ज्ञात हो कि स्टार्टअप करते हुए, यहां तक ​​कि प्रौद्योगिकी-उन्मुख भी, आप संभवतः वास्तविक तकनीक के साथ अपना अधिकांश समय खर्च करने की संभावना नहीं रखते हैं। सफल स्टार्टअप के लिए मार्केटिंग, बिजनेस प्लान, मैनेजमेंट आदि सभी समान रूप से (यदि अधिक नहीं) महत्वपूर्ण हैं। आप पीएचडी की सहायता की अपेक्षा कैसे करते हैं?


अब जबकि ये पूर्वाग्रह खत्म हो चुके हैं: मशीन सीखने वाले वैज्ञानिक की नौकरी की दिनचर्या पर मेरी निजी राय। सबसे पहले: आपको अपनी पसंद के जोर के साथ बड़े / जटिल / दिलचस्प डेटा सेट पर अत्याधुनिक तरीकों से काम करने की सुविधा मिलती है। यह सबसे निश्चित रूप से बहुत दिलचस्प काम है।

... परंतु

रियल मशीन लर्निंग में बहुत सारे ग्रंट काम शामिल हैं

आप हर काम के घंटे को गणितीय लालित्य से भरे एक यूटोपियन दुनिया में नहीं बिताएंगे, जबकि कंप्यूटर की एक सेना आपकी बोली लगाती है। आपके समय का एक बड़ा हिस्सा ग्रंट कार्य करने में खर्च किया जाएगा: डेटाबेस प्रबंधन, डेटा सेट तैयार करना, सामान को सामान्य करना, विसंगतियों से निपटना, आदि। मैं अपना अधिकांश समय इन जैसे कार्यों को करने में बिताता हूं। वे समय के साथ अधिक रोमांचक नहीं बढ़ते हैं। यदि आप अपने विषय के बारे में भावुक नहीं हैं, तो आप अंततः इन चीजों को करने के लिए प्रेरणा खो देंगे।

यदि आपने मशीन सीखने की कक्षाएं ली हैं, तो आप आमतौर पर विसंगतियों के बिना अच्छी तरह से लेबल किए गए डेटा सेट प्राप्त करते हैं, कोई लापता डेटा नहीं, जहां सब कुछ वैसा ही हो जैसा होना चाहिए। यह वास्तविक जीवन मशीन लर्निंग नहीं है। आप अपना अधिकांश समय उस बिंदु पर जाने की कोशिश में बिताएंगे जहां आप अपने पसंदीदा एल्गोरिदम को चलाने के लिए तैयार हैं।

सहयोग में अपेक्षा प्रबंधन

यदि आप अंतःविषय परियोजनाओं को करना चाहते हैं, तो आपको सीखना होगा कि ऐसे लोगों के साथ कैसे काम करें जो आप क्या करते हैं, इसके बारे में कुछ भी नहीं जानते (यह किसी भी विशेषज्ञता के लिए सच है)। मशीन सीखने में जो अक्सर दो परिदृश्यों में से एक का अर्थ होता है:

  • आपके सहयोगियों ने बहुत अधिक टीवी देखे हैं और सोचते हैं कि आप सब कुछ हल कर सकते हैं, एक फैंसी एल्गोरिदम और बहुत सारे शांत विज़ुअलाइज़ेशन के साथ।
  • आपके सहयोगी आपके द्वारा उपयोग की जाने वाली तकनीकों को नहीं समझते हैं और जैसे कि लाभ या संभावित अनुप्रयोगों को नहीं देखते हैं।

5

• इंडस्ट्री में मास्टर डिग्री के साथ डेटा साइंटिस्ट / मशीन लर्नर के रूप में काम करना कैसा है? तुम किस तरह का काम करते हो? खासकर जब मैं अमेज़न पर उन विज्ञापनों को मशीन सीखने वाले वैज्ञानिक के रूप में पढ़ता हूं, तो मुझे हमेशा आश्चर्य होता है कि वे क्या करते हैं।

व्यावसायिक समस्याएं वास्तव में आपकी डिग्री के आधार पर नहीं बदलती हैं, इसलिए आप समान या समान चीजों को देखेंगे। यदि आप एक बड़े संगठन में काम करते हैं, तो आप कंपनी के बड़े डेटासेट पर काम करते हैं। यह आमतौर पर उत्पाद / ग्राहक डेटा या परिचालन डेटा (रासायनिक प्रक्रिया डेटा, वित्तीय बाजार डेटा, वेबसाइट ट्रैफ़िक डेटा, आदि) हो सकता है। जेनेरिक अंत लक्ष्य पैसे बचाने के लिए या कंपनी के लिए पैसा बनाने के लिए डेटा का लाभ उठाने के लिए है।

• पहले जैसा ही प्रश्न, लेकिन पीएचडी के साथ। क्या आप स्वामी के साथ कुछ अलग या समान काम करते हैं?

जवाब ऊपर है, आप बहुत अधिक एक ही चीजें करेंगे। हालांकि, एक बड़े अंतरराष्ट्रीय निगम के रिसच / क्वांटिटेटिव एनालिसिस / या इसी तरह के तकनीकी विभाग में, यदि आपके पास पीएचडी है, तो आपके पास एमएससी के साथ किसी पर बढ़त है। कैरियर की प्रगति के संदर्भ में। पीएचडी सिखाता है (या सिखाने के लिए माना जाता है) आप एक स्वतंत्र शोधकर्ता हैं, इसलिए डॉक्टरेट के साथ, कंपनी आमतौर पर आपके श्रम (जिज्ञासु कौशल और परिश्रम) को थोड़ा और अधिक महत्व देती है। लेकिन मैं दृढ़ता से पीएचडी करने के खिलाफ सलाह दूंगा, बस (संभावित) तेजी से करियर की प्रगति के लिए। पीएचडी करना एक कठिन और कठिन अंत की ओर है-दर्दनाक प्रक्रिया, आपको अपने विषय को पसंद करना होगा (आदर्श रूप से) और यह भी मेरी राय में शिक्षा में बने रहने के लिए एक संभावित हित है (जो शोध के प्रति आपकी आत्मीयता को प्रकट करने के लिए प्रॉक्सी है। और पक्षपाती विषय) इसे बीमरबल बनाने के लिए।

यह भी ध्यान रखें कि एक पीएचडी के साथ उद्योग में वापस जाने पर, आप कैरियर की सीढ़ी में पिछड़ जाएंगे और तकनीकी रूप से उन्मुख समर्थन भूमिका में शामिल हो सकते हैं (जो उन लोगों की तुलना में कम भुगतान करता है जो कंपनी के लिए वास्तविक पैसा कमाते हैं) - जो आपकी प्राथमिक आज्ञाकारी नहीं हो सकता है। अंत में, यदि आप एक छोटे पैमाने पर कंपनी में काम कर रहे हैं, तो आपकी खुद की कंपनी में, पीएचडी होने की संभावना लगभग कैरियर की प्रगति या वेतन के संदर्भ में गायब हो जाती है।

• क्या मैं दिलचस्प दिलचस्प समस्याओं से निपटने जा रहा हूँ? या कुछ बोरिंग सामान?

मुझे लगता है कि इसका कोई सामान्य जवाब नहीं है। एमएल क्रॉस-डिसिप्लिनरी है। यदि आप एक विश्लेषक के रूप में काम करते हैं, तो आप आमतौर पर डेटा को देखते हैं और मॉडल बनाने की कोशिश करते हैं, यदि आप विकास के पक्ष में हैं, तो आप कार्यान्वयन के नाइटी-ग्रिट्स से निपटते हैं। यदि आप क्लाइंट-फेसिंग हैं, तो आपको क्लाइंट्स की बहुत पकड़ और ट्रेनिंग (लेकिन अधिक पैसा कमाने की संभावना है) करना पड़ सकता है। आमतौर पर, आपके प्रश्न का उत्तर व्यक्तिगत पसंद पर निर्भर करता है और यह भी कि आपका नियोक्ता कितना लचीलापन प्रदान करता है।


मैं किसी भी नियोक्ता को प्रभावित करने के लिए पीएचडी नहीं करना चाहता। मैं इसे मुख्य रूप से और ज्यादातर ज्ञान के लिए चाहता हूं
जैक ट्वेन

मुझे लगता है कि यह सही प्रेरणा है।
झूबर्ब

2

या आप कुछ शोध समूह में शामिल होने की कोशिश कर सकते हैं, जहां सांख्यिकीविद् और मशीन सीखने वाले हर रोज़ दिखाई नहीं देते हैं। उदाहरण के लिए संक्रमण और बीमारी का प्रसार, वनस्पति विज्ञान या पारिस्थितिकी, सामाजिक कीट या शायद सामाजिक विज्ञान?

मैं आपको सटीक उदाहरण नहीं दे सकता, लेकिन यदि आप एक अच्छे सांख्यिकीविद् / एमएल हैं, तो उनमें से कुछ ही हैं, लोगों की तुलना में और विभिन्न शोध प्रस्ताव आपको मिलेंगे। मुद्दा यह है, कि आप अपनी ओर से बहुत अधिक प्रयास किए बिना वास्तव में मांग में होंगे।

यदि आप उस विचार को पसंद करते हैं, तो अपने वर्तमान विषयों (उद्योग) के बाहर मशीन सीखने की समस्याओं की खोज करने का प्रयास करें, और शायद आपको अपनी "चुनौतीपूर्ण दिलचस्प समस्याओं" और "बौद्धिक रूप से चुनौतीपूर्ण सामान के साथ काम करने" का तरीका मिलेगा।


2

मैं अन्य उत्तरों से सहमत हूं। मैं सिर्फ इस बात पर जोर दूंगा कि आपके जैसे लोगों के लिए एक सामान्य तरीका (कम से कम अमेरिका में) जो पीएचडी के साथ जारी रखने या अपने अंडरग्रेजुएट डिग्री के बाद उद्योग करने में संकोच करते हैं, पीएचडी के लिए आवेदन करना है, तो छुट्टी (एक वर्ष या अधिक) लें यदि चीजें उतनी महान नहीं हैं जितनी वे उम्मीद करते हैं या बस उद्योग का पता लगाना चाहते हैं। आमतौर पर अंडरग्रेजुएट के बाद पीएचडी के लिए आवेदन करना आसान होता है: आप अभी तक परीक्षा (जीआरई) रटना की आदत नहीं भूल गए हैं, प्रोफेसरों जो आपके लिए सिफारिश पत्र लिखने जा रहे हैं, वे अभी भी आपको अच्छी तरह से याद करते हैं, आदि।

इसके अलावा, पीएचडी और उद्योग के बीच आपकी तुलना में, आपके पास मौजूद अवसरों के बीच, आप दिलचस्प डेटासेट, कंप्यूटर क्लस्टर उपलब्धता, स्थान के सॉफ्टवेयर इंजीनियरिंग कौशल और प्रत्येक परियोजना के लिए कितने लोगों को सौंपा गया है, की तुलना करना चाहते हैं।

अंत में, आप इस तरह के रूप में अच्छी तरह से उद्योग में बौद्धिक रूप से चुनौतीपूर्ण सामान पा सकते हैं, उदाहरण के लिए आईबीएम / Google / Microsoft / Nuance / Facebook / etc की जाँच करें। अनुसंधान विभाग (ठीक वैसे ही जैसे आप बौद्धिक रूप से बहुत अधिक सामान प्राप्त कर सकते हैं)। उदाहरण के लिए SVM के पीछे के लोग AT & T पर काम कर रहे थे, IBM Watson IBM पर है, Google Translate एक सर्वश्रेष्ठ मशीन अनुवाद प्रणाली है, Nuance और Google में शीर्ष आवाज पहचान प्रणाली है, और वे पृथक उदाहरणों से बहुत दूर हैं। वास्तव में मैंने हमेशा सोचा है कि उद्योग और शिक्षा के बीच कौन मशीन शिक्षण अनुसंधान में सबसे अधिक योगदान देता है (मैंने Quora पर डेटाबेस अनुसंधान के बारे में एक ही सवाल पूछा था: क्या डेटाबेस अनुसंधान ज्यादातर पिछले एक दशक में उद्योग द्वारा संचालित किया गया है? )।


फेसबुक, माइक्रोसॉफ्ट और गूगल (और कई अन्य बड़ी कंपनियां जिन्हें मैं मानती हूं) बहुत सारे शोधार्थियों और पूर्णकालिक या अंशकालिक शिक्षाविदों को नियुक्त करती हैं। मुझे लगता है कि यह इन लोगों (शिक्षा से लालच) और इन निगमों के लगभग असीम संसाधन हैं जो मुख्य रूप से उद्योग में प्रगति करते हैं।
ज़ुर्बेर

1

पीएचडी प्राप्त करने के लिए, आपको मानव ज्ञान की स्थिति को आगे बढ़ाना होगा। आपको अधिक सामान नहीं सीखना है। आपको कुछ मूल उत्पादन करना होगा। यह एक लंबी, धीमी और दर्दनाक प्रक्रिया है, और हर कोई इस पर सफल नहीं होता है। इसलिए आपको पीएचडी तभी करनी चाहिए जब आपको लगे कि आपके क्षेत्र में एक नया, रचनात्मक, योगदान है।

यदि आप केवल क्षेत्र सीखना चाहते हैं और क्षेत्र को लागू करना चाहते हैं, तो अपने परास्नातक को अधिक से अधिक लें, और फिर आवेदन करते समय अपने जीवन के बाकी हिस्सों को खर्च करें। बातें पढ़ें। सामयिक कार्यशाला लें। यदि किसी बिंदु पर आप वास्तव में कुछ मूल करने के लिए आग्रह से संक्रमित हैं, तो कैरियर से एक (लंबा) ब्रेक लें और उस जेडी को प्राप्त करने का प्रयास करें।


यह कुछ ऐसा है जिसके बारे में मैंने भी सोचा था। लेकिन मुझे डर है कि एक बार इंडस्ट्री में आने के बाद मैं इस बारे में सोचने के लिए एकेडेमिया से बहुत दूर हो जाऊंगा और मैं व्यस्त इंडस्ट्री की दुनिया में खो सकता हूं, इसलिए मैं आखिरकार एकेडमिया को भूल सकता हूं और वह अवसर खो सकता हूं जो मेरे पास है।
जैक ट्वेन

1
@TonyMorland क्या आपको लगता है कि व्यवहार में कुछ इस तरह काम करेगा ?
जैक ट्वेन

मैं कुछ चतुर और मेहनती पीएचडी जानता हूं। मुझे पीएचडी के बारे में पता है, जिन्होंने समय के साथ अपने प्रोफेसरों को नीचे पहना। "मानव ज्ञान की स्थिति को आगे बढ़ाना" का विचार सभी में, या संभवतः अधिकांश मामलों में सच नहीं है। अगर वृद्धिशील कदम छोटा है और प्रभावी ढंग से प्रोलिफायर नहीं है, तो क्या यह वास्तव में मौजूद है? जैसा कि उद्योग में होता है, हर जगह एक ही बात होती है: आपके द्वारा प्रयोग की जाने वाली क्षमताएं सबसे अधिक मजबूत होती हैं, जबकि आप प्रति सप्ताह कुछ घंटों की सीमा से नीचे व्यायाम करते हैं। उद्योग आपको बेकार संगठनों के भीतर काम करने में बेहतर बनाएगा। आप हालांकि अधिक कमाते हैं।
EngrStudent -

0

जब आप / प्रसिद्ध छोटी कंपनी / मार्ग चुनते हैं, तो आपको अपनी कंपनी में एक अनुसंधान विभाग स्थापित करने की स्वतंत्रता होती है।

यहां, आप क्रोधित रूप से रचनात्मक हो सकते हैं, जैसे कि अनर्गल ... अपने बचपन की सभी कल्पनाओं, बौद्धिक रूप से चुनौतीपूर्ण सामान का पता लगाएं ... आप गति निर्धारित करते हैं ... आप / आदमी होंगे /।

आपको / हत्यारे / शोध पत्र लिखने के लिए यूनिवर्सिटी लैब्स में बैठने की आवश्यकता नहीं है।

इसके बावजूद, इस पर, आप हमेशा संबंधित अनुसंधान विभागों के साथ यूनीव में वापस समन्वय कर सकते हैं। देख...? ज़्वी वोगेल मिट ईन्स स्टीन :-)

... उच्च डिग्री के साथ कोई और ...

खैर, घमंड, संयम में, हमें सबसे अच्छा तरीका खोजने के लिए प्रेरित करता है।

सौभाग्य।

yb


यह मार्ग जितना मजेदार लगता है, यह सिद्धांत है। प्रति कंपनी एक व्यक्ति को एक अनुसंधान विभाग स्थापित करने के लिए मिलता है। क्रिएटिव उत्पादक के रूप में ही नहीं है, या बिलों का भुगतान करने में सक्षम नहीं है। आपको हत्यारे के कागजात भी लिखने होंगे। एक विभागीय बजट या अनुसंधान प्रस्तावों का बचाव करने के बारे में है, जबकि दूसरा अनुसंधान प्रस्तावों और विभागीय बजटों के वित्तपोषण के बारे में है। घमंड, घमंड की तरह, पतन से पहले आता है। मनुष्य के रूप में हमारे आत्म-विनाशकारी बटन ठीक उसी जगह स्थित होते हैं जहाँ हम खुद को पीठ पर थपथपाते हैं।
EngrStudent -
हमारी साइट का प्रयोग करके, आप स्वीकार करते हैं कि आपने हमारी Cookie Policy और निजता नीति को पढ़ और समझा लिया है।
Licensed under cc by-sa 3.0 with attribution required.