Passare a una carriera in Machine Learning [chiuso]

Il mio lavoro quotidiano è chiaramente lo sviluppo di software vecchio. Sto anche facendo i miei Master in CS (part-time, corsi base). Ho seguito un corso sull'intelligenza artificiale e ho trovato l'apprendimento automatico piuttosto affascinante, ma come la maggior parte dei corsi offriva solo un'introduzione di base.

Ho intenzione di saperne di più sull'apprendimento automatico e, se possibile, ottenere un lavoro in quel campo. Quando guardo le offerte di lavoro in questo campo, è chiaro che per la maggior parte di esse è richiesto un dottorato in machine learning (o esperienza precedente nel settore con notevole esperienza).

Sto cercando consigli sull'autoapprendimento per acquisire esperienza utile nel settore. Almeno abbastanza esperienza per mettermi piede. Farò quelli ovvi come leggere libri di testo, documenti ecc. Forse qualche sforzo open source a cui posso partecipare o qualcosa che potrei fare da solo?

Mi scuso se sono vago qui, ma spero che ci siano almeno alcuni di voi che hanno fatto un passaggio simile e possono consigliare.

Grazie !

Hai ragione, l'apprendimento automatico è un campo affascinante. Io stesso sto per finire l'università con una forte attenzione all'apprendimento automatico e presto cercherò un lavoro nel campo generale. Inoltre non ho ancora capito come procedere.

Ma l'apprendimento automatico generale è un campo piuttosto ampio. Suggerirei di essere più specifico. Quale campo che include l'apprendimento automatico ti interessa di più? Ce ne sono molti tra cui scegliere:

• riconoscimento vocale / elaborazione del linguaggio naturale
• elaborazione di immagini / video / visione artificiale
• sistemi medici
• intercettazione di una frode
• motori di ricerca
• interfacce uomo-computer
• ...

Tutti questi campi (possono) includono tecniche di apprendimento automatico.

Nella mia esperienza, i corsi di apprendimento automatico più generali introdurranno le basi di molte tecniche per due motivi:

1. come ho detto: il campo è troppo ampio per andare davvero in profondità ovunque
2. la maggior parte delle tecniche ha senso solo se sono combinate con applicazioni reali

Non ho mai veramente criticato gli SVM fino a quando non ho dovuto usarli nelle mie ricerche. Non ho mai veramente capito i diversi algoritmi usati sugli HMM fino a quando non ho fatto un po 'di lavoro nell'elaborazione vocale.

E quando cerco un lavoro penso che sia simile: le aziende hanno maggiori probabilità di cercare persone con esperienza / conoscenza nell'area specifica in cui lavorano, piuttosto che nel campo generale dell'apprendimento automatico. I lavori di machine learning hanno maggiori probabilità di essere posizioni di ricerca / dottorato / post-dottorato.

Elaborazione del linguaggio naturale come applicazione pratica dell'apprendimento automatico

Sto lavorando a tempo pieno e sto studiando part-time in un programma di master in linguistica computazionale (aka NLP, elaborazione del linguaggio naturale). C'è un sacco di apprendimento automatico in questo campo, ad esempio per il riconoscimento vocale, la classificazione dei documenti, ecc. La chiave è una solida base su matematica, statistica e notazione logica. Segui le lezioni in queste aree per apprendere (o consolidare le tue conoscenze) prima di laurearti, poiché apprendere questi argomenti da soli può essere difficile.

Libri

Inoltre, nota che, a differenza di molti altri campi CS, il campo dell'apprendimento automatico è saldamente diviso tra professionisti e teorici. I professionisti usano l'apprendimento automatico come strumenti, mentre i teorici vogliono dimostrare e migliorare i metodi di apprendimento automatico. Il problema che ne deriva è che i libri sull'apprendimento automatico sono tipicamente scritti dal punto di vista dei teorici, come il libro di Hastie. L'unico libro di praticanti che ho trovato è "Programmazione dell'intelligenza collettiva" di Segaran, che tratta concetti di base. Non ho ancora trovato un libro di buone pratiche su SVM, PCCM, ecc.

L'apprendimento automatico ha una grande quantità di probabilità e statistiche, quindi seguire alcuni corsi avanzati in queste materie sarebbe davvero un ottimo punto di partenza.