मैं एक सॉफ्टवेयर डेवलपर हूं (ज्यादातर .NET और पायथन 5 साल के अनुभव के बारे में)। मैं मशीन लर्निंग फील्ड में नौकरी पाने में मदद करने के लिए क्या कर सकता हूं या वास्तव में कुछ भी जो मुझे उस क्षेत्र में शुरू करने में मदद करेगा? क्या स्नातकोत्तर डिग्री एक कठिन आवश्यकता है?
जवाबों:
हर बार मैंने किसी से अधिक मशीन सीखने के बारे में बात की है जो वे मुझे हमेशा हेस्टी और टिब्शीरानी द्वारा सांख्यिकीय सीखने के तत्वों की ओर इशारा करते हैं । इस पुस्तक को मुफ्त में ऑनलाइन उपलब्ध होने का सौभाग्य प्राप्त है (एक हार्ड कॉपी में एक निश्चित अपील है, लेकिन इसकी आवश्यकता नहीं है) और यह विषय के लिए वास्तव में बहुत अच्छा परिचय है। मैंने अभी तक इसमें सब कुछ नहीं पढ़ा है, लेकिन मैंने इसे बहुत पढ़ा है और इससे मुझे चीजों को बेहतर तरीके से समझने में मदद मिली है।
एक और संसाधन जो मैं अपने तरीके से काम कर रहा हूं वह है स्टैनफोर्ड मशीन लर्निंग क्लास , जो ऑनलाइन और मुफ्त भी है। एंड्रयू एन आपको चीजों के माध्यम से चलने का एक बड़ा काम करता है। मुझे यह विशेष रूप से मददगार लगता है, क्योंकि एल्गोरिदम को लागू करने में मेरी पृष्ठभूमि कमजोर है (मैं एक स्व-सिखाया प्रोग्रामर हूं) और यह आपको दिखाता है कि ऑक्टेव में चीजों को कैसे लागू किया जाए (बशर्ते आर में यह पहले से ही लागू पैकेजों में ज्यादा है)। मुझे कुछ महीनों पहले रेडिट के आंकड़ों पर भी ये नोट मिले थे, इसलिए मैं उन लोगों के माध्यम से स्किम करता हूं और फिर वीडियो देखता हूं और अपने खुद के नोट्स के साथ इसे प्रतिबिंबित करता हूं।
मेरी पृष्ठभूमि आँकड़ों में है और मुझे मशीन लर्निंग कॉन्सेप्ट्स में कुछ एक्सपोज़र मिला (मेरा एक अच्छा दोस्त वाकई में है), लेकिन मुझे हमेशा ऐसा लगता है कि मुझे मशीन सीखने के मोर्चे पर कमी है, इसलिए मैं यह सब सीखने की कोशिश कर रहा हूँ थोड़ा और अपने दम पर। शुक्र है कि वहाँ महान संसाधनों का एक टन कर रहे हैं।
जहां तक उद्योग या स्नातक विद्यालय की आवश्यकताओं में नौकरी पाने की बात है, तो मैं सलाह देने के लिए महान स्थिति में नहीं हूं (पता चलता है कि मैंने कभी किसी को काम पर नहीं रखा है), लेकिन मैंने देखा है कि व्यवसाय की दुनिया वास्तव में लोगों को पसंद करती है जो चीजें कर सकते हैं। कागज के टुकड़ों से थोड़ा कम चिंतित हैं जो कहते हैं कि आप कुछ कर सकते हैं।
अगर मैं तुम होते, तो मैं अपना कुछ समय अपने मशीन सीखने के ज्ञान में विश्वास करने और फिर अवसरों को देखने के रूप में लागू करने में बिताता। दी गई आपकी स्थिति आपको वह अवसर नहीं दे सकती है, लेकिन यदि आप कुछ ऐसा लागू कर सकते हैं जो आपकी कंपनी के लिए मूल्य जोड़ता है (आपके अन्य दायित्वों को बनाए रखते हुए), तो मैं किसी को भी आपसे परेशान होने की कल्पना नहीं कर सकता। यहाँ अच्छी बात यह है कि अगर आप अपने आप को इस काम में मशीनी सीखना सीखते हैं, जब आप एक नई नौकरी की तलाश में निकलते हैं, तो आप अपने पास मौजूद अनुभव के बारे में बात कर सकते हैं, जो लोगों को एक विशिष्ट की कमी को देखने में मदद करेगा। डिग्री।
बहुत सारे संसाधन हैं और इसके अविश्वसनीय रूप से दिलचस्प हैं, मैं आपको शुभकामनाएं देता हूं!
एक और विचार: आप अपने मशीन लर्निंग सीखने की प्रक्रिया के बारे में एक ब्लॉग शुरू कर सकते हैं और हो सकता है कि आप अपने खाली समय में काम करने वाली कुछ परियोजनाओं का दस्तावेजीकरण करें। मैंने यह एक प्रोग्रामिंग प्रोजेक्ट के साथ किया है और यह आपको एक ऐसी परियोजना के बारे में बात करने की अनुमति देता है जिस पर आप अपने खाली समय में काम कर रहे हैं (नियोक्ता को अच्छा लगता है) और आप उन्हें ब्लॉग पर निर्देशित भी कर सकते हैं (जाहिर है कि इसे अपने काम के बारे में रखें) । अब तक मैंने अपने डार्की लिटिल प्रोग्रामिंग ब्लॉग में काफी लोगों को भेजा है (मैं हाल ही में पोस्ट करने में थोड़ा आलसी रहा हूं, लेकिन मैंने इसे तब तक बरकरार रखा जब मैं नौकरी के लिए आवेदन कर रहा था) और जिन लोगों से मैंने बात की है, वे सभी से प्रभावित हुए हैं। यह।
अन्य सभी महान सलाह के अलावा, मैं ऑनलाइन प्रतियोगिताओं में भाग लेकर अपने हाथों को गंदे होने का सुझाव देता हूं, भविष्यवाणी मॉडलिंग प्रतियोगिताओं के लिए साइटें देखें।
पुस्तकों आदि के बारे में आपको एक नज़र डालनी चाहिए:
डिग्री के बारे में मैं @asjohnson से सहमत हूं कि एक प्रमाण पत्र कम मायने रखता है, कम से कम मैं इस बात की पुष्टि कर सकता हूं कि मैं जिस क्षेत्र (वेब पर डेटा खनन / एमएल) में काम कर रहा हूं। यह जैव सूचना विज्ञान जैसे अधिक "अकादमिक" क्षेत्रों के लिए भिन्न हो सकता है। यह प्रदर्शित करने में सक्षम होने के कारण कि एक) उत्साही और बी) ने एक छोटा पोर्टफोलियो दिखा कर वास्तविक काम किया है ("स्मार्ट और प्राप्त चीजें") (जैसे ऑनलाइन प्रतियोगिताओं ...) अधिक प्रभावी IMHO होना चाहिए।
टॉम मिशेल की मशीन लर्निंग पढ़ें। यह एक अच्छी किताब है जिसे आपको मशीन लर्निंग के क्षेत्र में शुरू करना चाहिए।
एक चीज़ के बारे में पता होना चाहिए: कृपया ध्यान दें कि एक ही एल्गोरिदम कभी-कभी आपूर्ति और यादृच्छिक मौका के परिदृश्य और मापदंडों के अनुसार बेहतर या खराब प्रदर्शन कर सकता है। करो नहीं अपने प्रशिक्षण डेटा के लिए मानकों के अनुकूलन में तैयार हो जाओ - इस मशीन सीखने की एक गरीब आवेदन है।
विशेष अनुप्रयोगों (लेकिन सभी अनुप्रयोगों के लिए नहीं) के लिए उपयुक्त बहुत सारी तकनीकें हैं और बहुत सारे सिद्धांत हैं जो आप मशीन सीखने को बेहतर ढंग से समझने के लिए पढ़ सकते हैं। मशीन सीखने में अच्छा होने के लिए आपको यह जानने की ज़रूरत है कि आप क्या कर रहे हैं अन्यथा आप सुनिश्चित नहीं कर सकते हैं कि आपके परिणाम अच्छी तरह से सामान्य हो जाएंगे।
सौभाग्य।
मशीन सीखने के बारे में बड़ी संख्या में अच्छी किताबें हैं, जिनमें ओ'रिली श्रृंखला में कई शामिल हैं जो पायथन का उपयोग करते हैं। एक, या इनमें से कई के माध्यम से काम करना एक अच्छा प्रारंभिक बिंदु हो सकता है।
मेरा यह भी सुझाव है कि आंकड़ों का कुछ ज्ञान प्राप्त करना - एक या दो या स्वयं अध्ययन के माध्यम से, वास्तव में कोई फर्क नहीं पड़ता। कारण यह है कि कुछ मशीन सीखने की किताबें हैं जो एल्गोरिदम और यांत्रिकी पर ध्यान केंद्रित करती हैं, लेकिन इस मौलिक प्रश्न को अनदेखा करती हैं कि यह कैसे संभव है कि आपका एल्गोरिथ्म आपको बताता है कि सिर्फ मौका है। और, यह जानना आवश्यक है।
सौभाग्य और मजा है, यह एक महान क्षेत्र है।
बहुत अच्छा सवाल है। अपफ्रंट का एहसास करने की एक चीज यह है कि मशीन लर्निंग एक कला और विज्ञान दोनों है और इसमें डेटा को सावधानीपूर्वक साफ करना, इसकी कल्पना करना और अंततः उन मॉडल का निर्माण करना शामिल है जो व्यापार में सूट करते हैं, साथ ही साथ इसे स्केलेबल और ट्रैकेबल भी रखते हैं। बुद्धिमान, कौशल से अधिक महत्वपूर्ण कुछ और है, संभावना पर ध्यान केंद्रित करना और जटिल लोगों पर कूदने से पहले सरल तरीकों का उपयोग करना । मैं आर एंड पर्ल संयोजन पसंद करता हूं, क्योंकि आप जानते हैं कि अजगर काफी अच्छा होना चाहिए। वास्तविक नौकरी पर काम करते समय, आपको निश्चित रूप से अपने स्वयं के डेटा को खींचना होगा ताकि एसक्यूएल का ज्ञान (या जो भी आपकी कंपनी का समर्थन करता है, वह कोई और नहीं)।
एमएल क्षेत्र में कुछ भी अनुभव नहीं होता है, इसलिए स्टैकएक्सचेंज, केगल जैसी साइटों में संलग्न होना भी इस क्षेत्र में आने का एक शानदार तरीका है। सौभाग्य।
मैं इसका एक छोटा सा सवाल जानता हूं, लेकिन इस तथ्य को देखते हुए कि मैंने बहुत सारे प्रोग्रामर देखे हैं, अभी भी नहीं जानते कि कैसे शुरू किया जाए।
इस प्रकार, मैंने "मशीन लर्निंग इंजीनियर बनने के लिए अध्ययन के लिए एक पूर्ण दैनिक योजना" बनाई ।
यह मशीन सीखने वाले इंजीनियर के लिए मोबाइल डेवलपर (स्वयं-सिखाया, कोई सीएस डिग्री) से जाने के लिए मेरी बहु-महीने की अध्ययन योजना है।
मेरा मुख्य लक्ष्य मशीन लर्निंग का अध्ययन करने के लिए एक दृष्टिकोण खोजना था जो मुख्य रूप से शुरुआती के लिए हाथों पर और अमूर्त है। यह दृष्टिकोण अपरंपरागत है क्योंकि यह सॉफ्टवेयर इंजीनियरों के लिए डिज़ाइन किया गया टॉप-डाउन और परिणाम-पहला दृष्टिकोण है।
कृपया, कोई भी योगदान देने के लिए स्वतंत्र महसूस करें जो आपको लगता है कि यह बेहतर बना देगा।