Qual è la routine lavorativa quotidiana dello scienziato che impara le macchine?

Sono uno studente CS master in un'università tedesca e sto scrivendo la mia tesi. Tra due mesi avrò preso la decisione molto difficile se dovessi continuare con un dottorato di ricerca o trovare un lavoro nel settore.

Le mie ragioni per fare un dottorato di ricerca:

• Sono una persona molto curiosa e sento che mi manca ancora troppa conoscenza. Voglio imparare molto e il dottorato mi aiuterà a farlo, dal momento che posso fare più buoni corsi e leggere tonnellate di documenti ed essere un esperto di data mining e machine learning. Adoro la matematica ma non ero bravo nel mio corso di laurea (cattiva università). Ora in questa Uni tedesca sento di aver sviluppato molte grandi abilità matematiche e voglio migliorarlo perché amo davvero molto la matematica! (Sono stato davvero molto male in matematica nei miei studi universitari e durante la mia vita, ma ora vedo che posso fare bene la matematica!)

• Lavorerò con cose intellettualmente stimolanti.

• Devo essere onesto e dire che anche io odio vedere qualcun altro con un grado più alto di me. Quindi se cammino in strada e vedo qualcuno con un dottorato di ricerca, non devo dire "oh wow questo ragazzo è più intelligente di me." Preferisco stare dall'altra parte. ;)

Le mie ragioni per NON fare un dottorato di ricerca:

• Ho letto su Internet di fare un dottorato o di non farlo. Ho scoperto che nella maggior parte dei casi normali le persone con un dottorato di ricerca svolgono lo stesso tipo di lavoro delle persone con maestri. (questa era un'osservazione generale in informatica, non su ML / DM).

• Posso iniziare una carriera e fare molti soldi in 1 o 2 anni, quindi probabilmente posso avviare la mia azienda.

Cosa non è ancora chiaro:

Non so ancora quale sia il mio obiettivo finale alla fine. Avere una piccola compagnia famosa? O deve essere uno scienziato famoso? Non ho ancora una risposta per questa domanda.

Per aiutarmi a prendere una decisione, voglio sapere due cose:

• Com'è lavorare come data scientist / macchinista con una laurea specialistica nel settore? Che tipo di lavoro fai? Soprattutto quando leggo quelle pubblicità su Amazon come scienziato per l'apprendimento automatico, mi chiedo sempre cosa fanno.

• La stessa domanda di prima, ma con un dottorato di ricerca. Fai qualcosa di diverso o la stessa cosa dei maestri?

• Ho intenzione di affrontare problemi interessanti e stimolanti? O alcune cose noiose?

Come piccola nota: ho visto un ragazzo con un dottorato di ricerca in machine learning (in Germania) e lavora in un'azienda che promuove un software di machine learning. Come ho capito, la maggior parte del suo lavoro consiste nell'addestrare le persone all'uso dei metodi e del software (alberi decisionali ecc.).

Sarebbe bello se potessi ottenere alcune risposte di esperienze relative alla Germania / Svizzera in alcune famose buone compagnie.

Alex, non posso commentare specificamente la Germania o la Svizzera, ma lavoro per un'azienda internazionale con uno staff di oltre 100.000 persone provenienti da tutti i diversi paesi. La maggior parte di queste persone ha almeno una laurea, molti hanno master e dottorati di ricerca e, ad eccezione del personale delle risorse umane e dell'amministratore, la maggior parte di noi è esperta in uno o più diversi settori scientifici. Ho più di 30 anni di esperienza, ho lavorato come specialista scientifico / tecnico esperto, un manager, un project manager e alla fine sono tornato a un ruolo puramente scientifico che mi piace. Sono stato anche coinvolto nell'assunzione di personale e forse alcune delle mie osservazioni che seguono potrebbero essere utili per te.

1. La maggior parte dei neolaureati non sa esattamente cosa vogliono e di solito ci vogliono alcuni anni per scoprirlo. Nella maggior parte dei casi la loro esperienza sul posto di lavoro risulta essere molto diversa rispetto a quanto previsto per una serie di motivi. Alcuni luoghi di lavoro sono eccitanti, mentre altri sono noiosi, noiosi e "politici sul posto di lavoro", cattivi capi, ecc. A volte possono essere grossi problemi. Un grado superiore può o non può aiutare affatto con nessuno di questi problemi.

2. La maggior parte dei datori di lavoro desidera persone che possano "fare il lavoro" ed essere produttive il più presto possibile. Gradi più alti possono essere o meno importanti, a seconda del datore di lavoro. In alcune situazioni la porta è chiusa A meno che tu non abbia un dottorato di ricerca. In altre situazioni, la porta potrebbe essere chiusa PERCHÉ hai un dottorato di ricerca e il datore di lavoro vuole qualcuno "meno teorico e con più esperienza pratica".

3. Un dottorato non significa necessariamente promozioni più rapide o anche molta differenza salariale e può o meno fare alcuna differenza rispetto al tipo di posizione che è possibile ottenere. In genere, quando ho intervistato candidati, sono stato molto interessato a trovare persone con esperienza lavorativa rilevante. Un dottorato di ricerca potrebbe essere un fattore decisivo finale nel garantire una posizione, SE l'argomento della tesi del candidato è specificamente rilevante.

4. Le persone tendono a cambiare lavoro più spesso ora rispetto al passato. La tua età divisa per 2 * pi non è una cattiva regola empirica per un buon numero di anni per rimanere in un lavoro prima di iniziare a girare in tondo. Alcune persone lavorano per un po 'e poi tornano agli studi superiori. Alcune persone (come me) iniziano un dottorato e poi ricevono un '"offerta troppo buona per rifiutare" e lasciano il dottorato per andare a lavorare. Mi dispiace di averlo fatto? No, per niente, e se dovessi ricominciare da capo farei un dottorato in un argomento completamente diverso.

5. Il miglior suggerimento che posso darti è quello di fare ciò che più ti piace fare e vedere come si svolge. Nessun altro può dirti quale sarà il migliore per te. A volte devi solo provare qualcosa e, se non funziona, quindi imparare il più possibile da esso e passare a qualcos'altro. Come ha detto Rodin: Niente è mai una perdita di tempo se si utilizza l'esperienza con saggezza.

Prima di descrivere la mia opinione sulla routine del lavoro, sceglierò alcuni dei tuoi post che ritengo rilevanti (enfasi sulla mia):

1. Sono una persona molto curiosa
2. Funzionerà con cose intellettualmente impegnative
3. Devo essere onesto e dire che anche io odio vedere qualcun altro con un grado più alto di me ( vanità )
4. Posso iniziare una carriera e guadagnare molti soldi in 1 o 2 anni
5. avviare la mia compagnia

Basato su 1 e 2, sembra che tu abbia una visione molto romantica della scienza dei dati e della ricerca in generale. Sì, dovrai lavorare su problemi interessanti, ma sicuramente 24 ore su 24, 7 giorni su 7 (questo vale sia per l'industria che per la ricerca).

Basato su 2 e 3, sembri considerare la ricerca come l'apice dell'intelletto umano e considerare un dottorato di ricerca come una certificazione della tua intelligenza. Non sono d'accordo, perché:

• ci sono problemi intellettualmente difficili sia nella ricerca accademica che nell'industria. Penso che sia uno strano presupposto che gli accademici affrontino i più difficili.
• avere un dottorato di ricerca non significa che sei intelligente, significa che hai quello che serve per fare una buona ricerca nel tuo campo. La ricerca non riguarda l'essere più intelligenti di qualcun altro (anche se aiuta). Anche la creatività e l'approccio ai problemi da una prospettiva diversa sono qualità molto importanti. Se vuoi una prova del fatto che sei più intelligente della persona successiva, fai i test Mensa, non un dottorato.

_{Secondo la mia opinione personale, le persone più intelligenti sono quelle che finiscono per vivere una vita felice con le scelte che hanno fatto, sia che ciò significhi diventare un fisico nucleare o un carpentiere. Non prendere le tue decisioni in base al fatto che ti garantiscano o meno qualcosa da sfoggiare.}

Basato su 4 e 5, sembra che tu abbia in mente di avviare la tua azienda ad un certo punto. Tieni presente che quando fai startup, anche orientate alla tecnologia, probabilmente non trascorrerai la maggior parte del tuo tempo con la tecnologia attuale. Il marketing, i piani aziendali, la gestione, ecc. Sono tutti ugualmente (se non di più) importanti per le startup di successo. Come ti aspetti che un dottorato ti aiuti?

Ora che questi preliminari sono fuori mano: la mia opinione personale sulla routine lavorativa di uno scienziato che impara le macchine. Prima di tutto: puoi lavorare con metodi all'avanguardia su set di dati grandi / complicati / interessanti con un'enfasi sulla tua scelta. È sicuramente un lavoro molto interessante.

... MA

Il vero machine learning richiede molto lavoro grugnito

Si Non spendere ogni ora di lavoro in un mondo utopico pieno di eleganza matematica, mentre un esercito di computer fa vostra offerta. Una gran parte del tuo tempo sarà impiegata in grugniti lavori: gestione di database, preparazione di set di dati, normalizzazione di cose, gestione di incoerenze, ecc. Ecc. Trascorro la maggior parte del mio tempo a svolgere attività come queste. Non diventano più eccitanti nel tempo. Se non sei appassionato del tuo argomento, alla fine perderai la motivazione a fare queste cose.

Se hai seguito corsi di apprendimento automatico, in genere ottieni set di dati ben etichettati senza incoerenze, senza dati mancanti, dove tutto è come dovrebbe essere. Questa non è l'apprendimento automatico della vita reale. Trascorrerai la maggior parte del tempo a cercare di arrivare al punto in cui sei pronto per eseguire il tuo algoritmo preferito.

Gestione delle aspettative nelle collaborazioni

Se vuoi fare progetti interdisciplinari, dovrai imparare a lavorare con persone che sanno poco o niente di ciò che fai (questo è vero per qualsiasi specializzazione). Nell'apprendimento automatico che spesso implica uno dei due scenari:

• I tuoi collaboratori hanno visto troppa TV e pensano che puoi risolvere tutto, con un algoritmo elaborato e molte visualizzazioni interessanti.
• I tuoi collaboratori non comprendono le tecniche che usi e come tali non vedono i vantaggi o le potenziali applicazioni.

• Com'è lavorare come data scientist / discente con una laurea specialistica nel settore? Che tipo di lavoro fai? Soprattutto quando leggo quelle pubblicità su Amazon come scienziato per l'apprendimento automatico, mi chiedo sempre cosa fanno.

I problemi aziendali non cambiano davvero a seconda della laurea, quindi guarderesti le stesse cose o simili. Se lavori in una grande organizzazione, lavori su grandi set di dati dell'azienda. Di solito possono trattarsi di dati relativi a prodotti / clienti o dati operativi (dati sui processi chimici, dati sui mercati finanziari, dati sul traffico del sito Web, ecc.). L'obiettivo finale generico è sfruttare i dati per risparmiare denaro o fare soldi per l'azienda.

• La stessa domanda di prima, ma con un dottorato di ricerca. Fai qualcosa di diverso o la stessa cosa dei maestri?

La risposta è come sopra, faresti praticamente le stesse cose. Tuttavia, nella ricerca / analisi quantitativa / o in un dipartimento tecnico simile di una grande società internazionale, se hai un dottorato di ricerca, hai un vantaggio rispetto a qualcuno con un Master. in termini di avanzamento di carriera. Il dottorato ti insegna (o dovrebbe insegnare) che sei un ricercatore indipendente, quindi con un dottorato, la società di solito "valorizza" il tuo lavoro (capacità inquisitive e diligenza) un po 'di più. MA sconsiglio vivamente di fare un dottorato di ricerca, solo per motivi di (potenzialmente) progressione di carriera più rapida. Fare un dottorato di ricerca è un processo difficile e, soprattutto, verso il fine-doloroso, dovresti amare (idealmente amare) la tua materia e anche a mio avviso avere un potenziale interesse a rimanere nel mondo accademico (che è proxy per rivelare la tua affinità con la ricerca e l'argomento partiuclar) per renderlo sopportabile.

Tieni inoltre presente che tornando all'industria con un dottorato di ricerca, sarai in ritardo nella scala della carriera e potresti finire per essere incanalato in un ruolo di supporto orientato tecnicamente (che paga meno rispetto a quelle persone che guadagnano soldi veri per l'azienda) - che potrebbe non essere il tuo obiettivo principale. Infine, se lavori in una piccola azienda, nella tua stessa azienda, il vantaggio di avere un dottorato di ricerca scompare virtualmente in termini di avanzamento di carriera o stipendio.

• Ho intenzione di affrontare problemi interessanti e stimolanti? O alcune cose noiose?

Immagino non ci sia una risposta generica a questo. ML è interdisciplinare. Se lavori come analista, di solito guardi i dati e provi a costruire modelli, se sei sul lato dello sviluppo, finisci per occuparti dei grintosi aspetti dell'implementazione. Se sei rivolto al cliente, potresti dover fare molta tenuta e formazione dei clienti (ma probabilmente guadagnare di più). Di solito, la risposta alla tua domanda dipende dalle preferenze personali e anche da quanta flessibilità offre il tuo datore di lavoro.

Oppure puoi provare ad entrare a far parte di un gruppo di ricerca in cui statistici e apprendisti automatici non sono un aspetto quotidiano. Ad esempio infestazione e diffusione della malattia, botanica o ecologia, insetto sociale o forse scienze sociali?

Non posso darti esempi esatti, ma se sei un bravo statistico / ML in un posto dove ce ne sono solo pochi, le persone e le diverse proposte di ricerca ti troveranno. Il punto è che sarai molto richiesto senza troppi sforzi da parte tua.

Se ti piace quell'idea, allora prova a cercare problemi di apprendimento automatico al di fuori dei tuoi attuali argomenti (industria) e forse troverai il modo di trovare i tuoi "problemi interessanti stimolanti" e "lavorare con cose intellettualmente impegnative".

Sono d'accordo con le altre risposte. Vorrei solo sottolineare che un modo comune (almeno negli Stati Uniti) per le persone come te che esitano a continuare con un dottorato di ricerca o a fare il settore dopo la laurea è fare domanda per un dottorato di ricerca, quindi prendere un congedo (almeno un anno) se le cose non sono grandi come si aspettavano o semplicemente vogliono esplorare l'industria. In genere è più semplice fare domanda per un dottorato di ricerca subito dopo gli studi: non hai ancora dimenticato l'abitudine di sostenere gli esami (GRE), i professori che scriveranno lettere di raccomandazione per te ti ricordano ancora bene, ecc.

Inoltre, nel tuo confronto tra dottorato di ricerca e industria, tra le opportunità che hai, potresti voler confrontare l'accesso a set di dati interessanti, la disponibilità di cluster di computer, le competenze di ingegneria del software del luogo e quante persone sono assegnate per ciascun progetto.

Infine, puoi trovare molte cose intellettualmente difficili anche nel settore, ad esempio controlla IBM / Google / Microsoft / Nuance / Facebook / ecc. dipartimento di ricerca (proprio come è possibile trovare molte accademie roba intellettualmente incontrollabili). Ad esempio, le persone dietro SVM lavoravano in AT&T, IBM Watson è in IBM, Google Translate è uno dei migliori sistemi di traduzione automatica, Nuance e Google hanno il miglior sistema di riconoscimento vocale e quelli sono molto lontani da esempi isolati. In effetti, mi sono sempre chiesto chi tra l'industria e il mondo accademico contribuisca maggiormente alla ricerca sull'apprendimento automatico (avevo posto la stessa domanda sulla ricerca nel database su Quora: la ricerca nel database è stata guidata principalmente dall'industria nell'ultimo decennio? ).

Per ottenere un dottorato, devi avanzare lo stato della conoscenza umana. Non devi solo imparare più cose. Devi produrre qualcosa di originale. Questo è un processo lungo, lento e doloroso, e non tutti ci riescono. Quindi dovresti fare un dottorato solo se pensi di avere un nuovo, creativo, contributo al campo in te.

Se vuoi solo imparare il campo e applicare il campo, prendi al massimo i tuoi Master e poi trascorri il resto della tua vita imparando mentre ti applichi. Leggi le cose. Partecipa al seminario occasionale. Se a un certo punto sei infetto dall'impulso di fare qualcosa di veramente originale, fai una (lunga) pausa dalla carriera e cerca di ottenere quel dottorato allora.

Quando scegli la / famosa piccola compagnia / rotta, hai la libertà di creare un dipartimento di ricerca nella tua azienda.

Qui, puoi diventare fastidiosamente creativo, come in, sfrenato ... esplora tutte le tue fantasie infantili, cose intellettualmente impegnative ... stabilisci il ritmo ... sarai / l'uomo /.

Non devi sederti agli University Labs per scrivere un / Killer / documento di ricerca.

Ciò nonostante, mentre ci sei, puoi sempre coordinarti con i dipartimenti di ricerca pertinenti di Univ. vedere...? zwei vögel mit eines stein :-)

... qualcun altro con un grado superiore ...

Bene, la vanità, con moderazione, ci motiva a cercare il meglio che ci possa essere.

In bocca al lupo.

yb