圖源：unsplash 你是否想過亞馬遜、甚至Netflix是如何做到不停地為用戶推薦產(chǎn)品的？與大眾認(rèn)為的截然不同，它們不適用于Skynet，隨時(shí)遇到故障是不太可能的。 相反，它們依賴于最受歡迎的人工智能技術(shù)之一——機(jī)器學(xué)習(xí)。隨著技術(shù)進(jìn)步，人們對機(jī)器學(xué)習(xí)和數(shù)據(jù)分析的需求一直居高不下。幾乎沒有哪個(gè)行業(yè)在交易中不涉及機(jī)器學(xué)習(xí)，機(jī)器學(xué)習(xí)算法應(yīng)用范圍極其廣泛。 從使計(jì)算機(jī)與人類交流成為可能，到撰寫和發(fā)表體育報(bào)告，機(jī)器學(xué)習(xí)可以做很多事情。 先下面看看這些年來它的發(fā)展歷程。 · 1950: 艾倫·圖靈提出了“圖靈測試”,以判斷計(jì)算機(jī)能否真正比人類“智高一籌”。 · 1952: 亞瑟·塞繆爾用一臺IBM 計(jì)算機(jī)研究和發(fā)展棋盤游戲，發(fā)明了首個(gè)計(jì)算機(jī)學(xué)習(xí)程序。 · 2006:杰弗里·辛頓詮釋了讓計(jì)算機(jī)在圖像和視頻中“查看”和區(qū)分對象和文本的新算法，“深度學(xué)習(xí)”這一術(shù)語也應(yīng)運(yùn)而生。 · 2012: 通過瀏覽油管識別其中有貓的視頻，Google’s X Lab 成為最大的貓咪追蹤器。 · 2015年及之后: 隨著人工智能技術(shù)日益發(fā)達(dá)，其數(shù)據(jù)可在公開網(wǎng)站上獲得，斯蒂芬·霍金、埃隆·馬斯克、史蒂夫·沃茲尼亞克、馬克·扎克伯格等人對正直和信任在社會影響層面的真正意義上進(jìn)行爭論。 在人工智能時(shí)代，我們有機(jī)器人、自動駕駛汽車、可以進(jìn)行口頭交流的自動撥號電話、管控我們房屋的智能IoT（物聯(lián)網(wǎng)）服務(wù)，以及在做飯時(shí)突然問我們問題的Alexa智能助理。 一天，13歲的妹妹問我：“為什么我還需要駕駛證？這既浪費(fèi)時(shí)間也浪費(fèi)錢。等到我能夠駕駛的時(shí)候，汽車已經(jīng)能夠自動駕駛了?！蔽乙庾R到她說的可能沒錯(cuò)，同時(shí)也有些向往汽車能實(shí)現(xiàn)自動駕駛的生活，那時(shí)我將永遠(yuǎn)不會浪費(fèi)時(shí)間或者錢來學(xué)習(xí)駕駛。 現(xiàn)在，當(dāng)我們試圖將數(shù)據(jù)應(yīng)用于可消費(fèi)和可生產(chǎn)的產(chǎn)品中時(shí)，數(shù)據(jù)成為了前所未有的新“石油工業(yè)”和“淘金熱”。這也確實(shí)是機(jī)器學(xué)習(xí)發(fā)揮作用的地方。 機(jī)器學(xué)習(xí)有機(jī)會改善許多行業(yè)！ 《福布斯》表明，到2020年，機(jī)器學(xué)習(xí)有可能在市場營銷和銷售中創(chuàng)造額外的2.6萬億美元，這還不包括制造業(yè)的2萬億美元。 如果這還不足以震驚你，這兒還有不斷發(fā)展的市場和數(shù)據(jù)量。公司一直在尋找成本更低且功能更強(qiáng)大的計(jì)算處理方式，更不用說具有成本效益的數(shù)據(jù)存儲了。 通過分析數(shù)據(jù)和構(gòu)建精確的模型，企業(yè)若不能將其增長翻三番，也至少可以翻倍。機(jī)器學(xué)習(xí)具有強(qiáng)大的能力，可以幫助組織識別有利可圖的機(jī)會并避免風(fēng)險(xiǎn)。 微軟需求優(yōu)化主管Anirban Sengupta談到了機(jī)器學(xué)習(xí)的重要性： “隨著我在亞馬遜職業(yè)生涯的發(fā)展（所面臨的問題），與傳統(tǒng)的統(tǒng)計(jì)和計(jì)量經(jīng)濟(jì)學(xué)建模法相比，機(jī)器學(xué)習(xí)是更為明顯的解決方法。例如，使用參數(shù)統(tǒng)計(jì)模型很難實(shí)時(shí)檢測欺詐行為。其功能數(shù)量繁多，并且它們之間存在相互作用。 圖源：unsplash 同樣，在這些情況下，預(yù)測準(zhǔn)確性/精確性/召回率比模型可解釋性更重要，這使得機(jī)器學(xué)習(xí)成為更為明智的選擇。 機(jī)器學(xué)習(xí)將會發(fā)展下去。同樣，數(shù)據(jù)投資正在增長且將繼續(xù)增長下去。對于數(shù)據(jù)和數(shù)據(jù)基礎(chǔ)架構(gòu)投資的目標(biāo)是挖掘這些數(shù)據(jù)，從中獲取可操作性見解，以推動業(yè)務(wù)價(jià)值。對于能夠真正進(jìn)行如此復(fù)雜的數(shù)據(jù)分析和大規(guī)模模型構(gòu)建的人才的需求也將只增不減?！?/p> 機(jī)器學(xué)習(xí)如何影響多個(gè)行業(yè) 醫(yī)療保健 圖源：Indiatoday 實(shí)際上，機(jī)器學(xué)習(xí)的使用已成為醫(yī)療保健領(lǐng)域的一種增長趨勢，并帶來了一些極具吸引力的應(yīng)用。 位于美國馬薩諸塞州的PathAI借助機(jī)器學(xué)習(xí)，提出了一項(xiàng)新技術(shù)，這將幫助病理學(xué)家更快地進(jìn)行診斷。 別小瞧它，它可以解決醫(yī)院人滿為患的情況，并使患者更快地接受治療。尤其是患有癌癥等疾病的患者，早期診斷能夠使結(jié)果大有不同。 金融業(yè) 隨著我們逐漸轉(zhuǎn)向在線交易方式，金融行業(yè)的銀行和其他企業(yè)對機(jī)器學(xué)習(xí)可以提供的實(shí)時(shí)數(shù)據(jù)分析的需求也越來越大網(wǎng)絡(luò)監(jiān)控和欺詐預(yù)防應(yīng)用程序可以為投資者提供安全保障，使他們能夠輕松地進(jìn)行交易。 IdentityMind Global是一家人工智能公司，可幫助金融機(jī)構(gòu)和企業(yè)打擊在線欺詐行為。該公司已建立50多個(gè)數(shù)據(jù)點(diǎn)，可幫助驗(yàn)證人的身份。此外，他們還提供打擊洗錢和反恐融資的服務(wù)。 圖源：ft 能源部門 多年來，環(huán)保主義者一直在要求更清潔的能源。更不用說，每當(dāng)我們轉(zhuǎn)身時(shí)，都會出現(xiàn)另一場天然氣危機(jī)。 石油和天然氣是機(jī)器學(xué)習(xí)擁有無限可能的另一個(gè)領(lǐng)域。從創(chuàng)建更高效的精煉廠到分析礦物，機(jī)器學(xué)習(xí)可以被應(yīng)用于其中的無數(shù)領(lǐng)域。 美國能源業(yè)界著名咨詢公司提供的天然氣和石油數(shù)據(jù)可通過開發(fā)基于多元模型的資源來改善鉆井作業(yè) 它們不僅可以為公司提供精確的地質(zhì)和地球物理數(shù)據(jù)，而且還可以減少公司在石油業(yè)務(wù)中所需要的財(cái)力和人力資源。 人才需求持續(xù)增加！許多工程師患上錯(cuò)失恐懼癥（F-O-M-O） 正如我剛開始所說，機(jī)器學(xué)習(xí)不會很快過時(shí)。事實(shí)是，許多求職網(wǎng)站上與機(jī)器學(xué)習(xí)相關(guān)的職位發(fā)布數(shù)量躍升了90％。 但困難之處在于，整整兩個(gè)月后，至少有40％的職位依然空缺。由此得知，盡管對機(jī)器學(xué)習(xí)工程師的需求很大，但人才供應(yīng)是問題所在。 工程師對通用化與專業(yè)化存在爭論。但需要知道的是，我們采訪的大多數(shù)行業(yè)領(lǐng)導(dǎo)者都希望他們的候選人具有廣泛的經(jīng)驗(yàn)，而不僅僅具備專業(yè)領(lǐng)域知識。 大多數(shù)經(jīng)理、董事和CTO都非常明確地表明，他們希望員工能主動將機(jī)器學(xué)習(xí)經(jīng)驗(yàn)應(yīng)用到各種項(xiàng)目中，而不必局限于個(gè)人擅長的領(lǐng)域。 如果你專門研究對象識別和計(jì)算機(jī)視覺，請不要拒絕NLP（自然語言處理）項(xiàng)目，因?yàn)樗鼉H與前者略有不同。大多數(shù)機(jī)器學(xué)習(xí)領(lǐng)導(dǎo)者都認(rèn)為經(jīng)典技術(shù)在不同項(xiàng)目中都可使用。 公司可能希望其員工偶爾轉(zhuǎn)換一次職位，但并非總是如此。不過，如果能在自己擅長的領(lǐng)域以外獲得一些經(jīng)驗(yàn)，是不會有損失的。 專業(yè)化的一些熱門領(lǐng)域包括推薦系統(tǒng)（由Facebook等技術(shù)巨頭使用）、計(jì)算機(jī)和機(jī)器視覺（由Snap、Inc.團(tuán)隊(duì)使用）和自然語言處理（蘋果的Siri）。 請聽聽醫(yī)療技術(shù)公司Change Healthcare 的AI主管Alex Ermolaev所說：“…我認(rèn)為這有助于一次專注于一個(gè)領(lǐng)域，但是每隔幾年在不同領(lǐng)域之間切換仍然會帶來一些樂趣。一次只專注于一個(gè)領(lǐng)域是件好事，因?yàn)橐ㄐr(shí)間才能精通它，掌握工具使用方法并學(xué)習(xí)細(xì)微差別……” 公司正在尋找在擅長領(lǐng)域表現(xiàn)出色且勇于迎接新挑戰(zhàn)的候選人。接受新的挑戰(zhàn)并了解公司中的不同領(lǐng)域，這將使你能夠跨領(lǐng)域開展不同的項(xiàng)目。最終，你將對多個(gè)項(xiàng)目有更多的見解，并了解核心用戶和客戶。 因此，如果決定踏入機(jī)器學(xué)習(xí)行業(yè)，那無疑是朝著正確方向邁出的一步。這是一個(gè)快速發(fā)展的領(lǐng)域，擁有著不斷發(fā)展的應(yīng)用程序。實(shí)際上，Google趨勢報(bào)告表明，機(jī)器學(xué)習(xí)即將在搜索結(jié)果領(lǐng)域中取代AI。 不要糾結(jié)于陷入過多細(xì)節(jié)。這確實(shí)是一個(gè)競爭激烈的市場，每個(gè)人都想采取行動，但最終，取決于工作的水準(zhǔn)。 將精力集中于獲取跨領(lǐng)域的經(jīng)驗(yàn)，你就能主動學(xué)習(xí)自我交流。磨練頭腦，理性看待整個(gè)世界，并提出創(chuàng)新的解決方案，這將使你、你的雇主乃至整個(gè)社會受益。
如何成為一名機(jī)器學(xué)習(xí)工程師 看看好萊塢流行的參考詞如“Hal”，也難怪人們對機(jī)器學(xué)習(xí)可以提供的可能性有些擔(dān)憂。值得慶幸的是，當(dāng)今世界上機(jī)器學(xué)習(xí)的現(xiàn)實(shí)與一臺具有自尊心問題的殺手式感知計(jì)算機(jī)差得很遠(yuǎn)。 機(jī)器學(xué)習(xí)可以極大地改變我們的生活，以至于有些人甚至將其比作工業(yè)革命。說到工業(yè)革命，你是否知道機(jī)器學(xué)習(xí)使外包焊接等危險(xiǎn)工作變得更加容易。工業(yè)級焊接中產(chǎn)生的熱量、噪音和有毒煙霧，這對工人是巨大的風(fēng)險(xiǎn)。 但是，配備了計(jì)算機(jī)視覺和深度學(xué)習(xí)功能的機(jī)器人焊機(jī)具有更強(qiáng)的靈活性來完成工作，且不會危及生命。
圖源：sproutsocial 而且這只是機(jī)器學(xué)習(xí)對我們的生活方式產(chǎn)生的積極影響之一。無論是中小型企業(yè)還是大型企業(yè)，都表現(xiàn)出將向數(shù)字化轉(zhuǎn)型納入其關(guān)鍵計(jì)劃的意愿。 作為技術(shù)招聘人員，我最近有機(jī)會采訪了機(jī)器學(xué)習(xí)行業(yè)的領(lǐng)導(dǎo)者，了解他們對求職者能力的要求。后來我想要知道的是他們加入該領(lǐng)域的動機(jī)。是對創(chuàng)新的熱愛，還是他們想成為可能改變數(shù)百萬人生活方式的一份子？ 下面是Geocaching數(shù)據(jù)科學(xué)與數(shù)據(jù)分析負(fù)責(zé)人LeeSherry關(guān)于他為何投身機(jī)器學(xué)習(xí)領(lǐng)域的原因。 “對我來說，沒有什么比沉浸于數(shù)據(jù)和了解新事物的感覺更好了。這要與數(shù)字背后的現(xiàn)實(shí)聯(lián)系起來。我喜歡通過數(shù)據(jù)研究世界，并將復(fù)雜的信息提煉成最簡單的事實(shí)而獲得的理解。數(shù)據(jù)可以是變革性的；它可以被用來克服我們已經(jīng)學(xué)會過，去盡可能簡單處理的障礙?！?/p> 對我來說，這就是為何許多人發(fā)現(xiàn)自己被機(jī)器學(xué)習(xí)吸引的本質(zhì)。并沒有多少人有能力擺脫混亂，但這就是職位描述中包含的內(nèi)容。 我知道我們都聽過這個(gè)笑話，“數(shù)據(jù)已經(jīng)足夠長了，它會告訴你任何事情”，但信任統(tǒng)計(jì)數(shù)據(jù)而不是“直覺”的企業(yè)往往會表現(xiàn)更好，這是有緣由的。 像國際數(shù)據(jù)公司（IDC）這樣的公司預(yù)測AI支出到2021年將超過500億美元，這也是有原因的。機(jī)器學(xué)習(xí)已經(jīng)成為預(yù)測未來的方式。 沒有任何時(shí)代能像現(xiàn)在這樣使人們參與其中了。而且，我知道許多人都有興趣進(jìn)入機(jī)器學(xué)習(xí)行業(yè)，只是他們不是很確定該怎么做。 本文為此可以提供幫助。從所需的教育到面試中的常見錯(cuò)誤，我們將揭秘成為ML工程師所需要了解的知識。
碩士學(xué)位還是博士學(xué)位——哪個(gè)更重要？ 對ML感興趣的每個(gè)人總是會問一個(gè)問題——碩士學(xué)位還是博士學(xué)位？讓我們從這個(gè)問題開始。
圖源：unsplash 機(jī)器學(xué)習(xí)工程師學(xué)歷的不確定性是真實(shí)存在的。人們通常想知道碩士學(xué)位是否足以使他們找到合適的工作，還是需要獲得博士學(xué)位作為儲備。 理學(xué)碩士可以幫助你在許多實(shí)際情況下積極貢獻(xiàn)。ML的大多數(shù)碩士課程都有一種通用的方法，可以幫助學(xué)生準(zhǔn)備計(jì)算機(jī)視覺編程、軟件設(shè)計(jì)、語音識別、自然語言處理等主題。該學(xué)位課程的重點(diǎn)是提高學(xué)生的分析技巧和統(tǒng)計(jì)、數(shù)學(xué)和編程能力。 此時(shí)，你可能正在思考，一名理學(xué)碩士涉獵已如此廣泛，那博士學(xué)位能帶來什么呢？ 盡管博士學(xué)位有時(shí)會受到抨擊，但他們可以在職業(yè)生涯中發(fā)揮決定性作用。通常，培養(yǎng)博士生不采取通用的方法，它們可以成為基于研究的職業(yè)起點(diǎn)。 擁有博士學(xué)位，可以推動ML的前沿發(fā)展，并專注于開發(fā)下一代算法。或者可以將機(jī)器學(xué)習(xí)應(yīng)用于社會上重要的問題并提出可行的解決方案。 對于AI社區(qū)的許多領(lǐng)導(dǎo)者來說，機(jī)器學(xué)習(xí)巨大的一個(gè)好處就是能夠參與研究和出版，并幫助開源社區(qū)開發(fā)將要發(fā)展到下一代的模型。如果你正在攻讀博士學(xué)位，畢業(yè)前需要先參與到多個(gè)出版工作中。對于專注于研發(fā)的企業(yè)，這是一個(gè)非常大的優(yōu)勢。 與我交談過的不少行業(yè)領(lǐng)導(dǎo)者并不要求候選人擁有碩士學(xué)位或博士學(xué)位。但是，Softmax Data的執(zhí)行合伙人Jia Chen非常清楚他為什么傾向團(tuán)隊(duì)中的人員有較強(qiáng)的學(xué)術(shù)背景。 他發(fā)現(xiàn)具有較強(qiáng)學(xué)術(shù)背景的人能更好地處理論文和進(jìn)行研究，豐富的數(shù)學(xué)經(jīng)驗(yàn)可以幫助他們實(shí)現(xiàn)ML所需的突破。 在ML中，數(shù)學(xué)直覺和研究技能的重要性不可忽視。像博士學(xué)位這樣的資格證書是獲得此類經(jīng)驗(yàn)并深入掌握算法內(nèi)部工作原理的絕佳方法。
訓(xùn)練數(shù)據(jù) 機(jī)器學(xué)習(xí)是一個(gè)不斷發(fā)展的領(lǐng)域，因此，必備的基本技能涉獵廣泛。盡管如此，具有豐富經(jīng)驗(yàn)的扎實(shí)學(xué)術(shù)背景仍可作為加分項(xiàng)。機(jī)器學(xué)習(xí)的主要技能是統(tǒng)計(jì)、概率、編程和數(shù)據(jù)建模。 這也正是Softmax Data的執(zhí)行合伙人Jia Chen的想法。當(dāng)被問及機(jī)器學(xué)習(xí)工程師應(yīng)具備哪些技能時(shí)，陳先生說：“…數(shù)據(jù)工程、軟件開發(fā)、數(shù)學(xué)技能和溝通技能?！?/p> 要了解ML中數(shù)據(jù)建模的重要性，可以看看Geocaching數(shù)據(jù)科學(xué)與數(shù)據(jù)分析主管Lee Sherry的看法： “…盡管編程經(jīng)驗(yàn)很有用，但我認(rèn)為建模非常重要：機(jī)器學(xué)習(xí)工程師應(yīng)該知道如何有效地解決問題。這意味著識別一種情況的主要特征，弄清楚如何構(gòu)建一個(gè)能夠產(chǎn)生所需答案的問題，確定何種近似方法有意義，并知道適用于當(dāng)前問題的算法和方法?！?/p>
這只是冰山一角。數(shù)字、日期和字符串等結(jié)構(gòu)化數(shù)據(jù)可以輕松地被存儲為行和列。而視頻、圖像和電子郵件等非結(jié)構(gòu)化數(shù)據(jù)卻無法輕松指定。 但是，非結(jié)構(gòu)化數(shù)據(jù)是數(shù)據(jù)建模的基礎(chǔ)。根據(jù)Gartner的數(shù)據(jù)，它構(gòu)成了80％的企業(yè)數(shù)據(jù)。在機(jī)器學(xué)習(xí)算法中使用非結(jié)構(gòu)化數(shù)據(jù)可提供至關(guān)重要的見解。它在業(yè)務(wù)運(yùn)營策略中具有極大的可適用性。 它可以提高準(zhǔn)確性，促進(jìn)新的思維方式和信息使用方式。
最后，還必須全面了解監(jiān)督學(xué)習(xí)和無監(jiān)督學(xué)習(xí)。這是兩種最流行的機(jī)器學(xué)習(xí)方法。讓我們從有監(jiān)督的學(xué)習(xí)開始。它是可以使用輸入和輸出變量的系統(tǒng)，通常你會使用一種算法從數(shù)據(jù)中確定映射函數(shù)。 目標(biāo)是提出一種精確的映射函數(shù)，以便算法在進(jìn)行新的輸入時(shí)可以預(yù)測結(jié)果。 如果技術(shù)術(shù)語有些沉重，可以這樣想——監(jiān)督學(xué)習(xí)非常有價(jià)值，其中數(shù)據(jù)在預(yù)測未來事件中起著至關(guān)重要的作用。金融機(jī)構(gòu)如何利用監(jiān)督學(xué)習(xí)來預(yù)測可能具有欺詐性的信用卡交易便是一個(gè)很好的實(shí)例。 另一方面，無監(jiān)督學(xué)習(xí)的功能更像是訓(xùn)練集。系統(tǒng)獲得輸入數(shù)據(jù)，但沒有可比較的輸出值，目的是探索數(shù)據(jù)并發(fā)現(xiàn)結(jié)果。 在市場營銷等領(lǐng)域，無監(jiān)督學(xué)習(xí)非常有用，它可以幫助識別客戶行為模式。然后，企業(yè)可以使用這些模式來建立營銷策略，其準(zhǔn)確性幾乎令人瞠目（如Facebook）。
基本編程技能和經(jīng)驗(yàn) 朋友可能會告訴你，你所需要的只是一些必要的編程技能，便可以成為一名合格的ML工程師。但是，即使學(xué)習(xí)基礎(chǔ)知識可以幫助您適應(yīng)ML特定的編程技能，成為一名工程師也可能需要豐富的編程經(jīng)歷。
圖源：unsplash Change Healthcare的AI主管AlexErmolaev建議ML工程師需要具有構(gòu)建高性能/可擴(kuò)展產(chǎn)品的經(jīng)驗(yàn)、數(shù)據(jù)管理技能以及構(gòu)建AI / ML模型或工具的經(jīng)驗(yàn)。 全球最流行的編程語言是Python、JavaScript和C ++等。通常，Python是首選的數(shù)據(jù)分析工具，而C ++是深度學(xué)習(xí)和計(jì)算機(jī)視覺的必備工具。選擇使用的編程語言在一定程度上會影響你的體驗(yàn)。 收集有關(guān)語言語法、分析庫和合適的集成開發(fā)環(huán)境（IDE）的信息也將有所幫助。您還需要關(guān)注諸如部署和擴(kuò)展模型之類的內(nèi)容。 可能還需要部署和擴(kuò)展模型方面的經(jīng)驗(yàn)。部署是機(jī)器學(xué)習(xí)生命周期中最重要的部分之一，它與擴(kuò)展一起有助于簡化大規(guī)模消耗的過程。 有些公司擁有軟件工程師團(tuán)隊(duì)來處理此類細(xì)節(jié)，但有些公司則沒有。這是為什么最好在面試日期之前解決這些細(xì)節(jié)。對于那些對編碼實(shí)踐感興趣的人，可以查看我的文章——“我沒有通過該死的編碼面試”。 盡管如此，無論特定工作是否需要編碼，大多數(shù)ML領(lǐng)導(dǎo)者都希望潛在應(yīng)聘者了解將模型交付給工程師所涉及的內(nèi)容。能夠根據(jù)數(shù)據(jù)量、運(yùn)行時(shí)間和復(fù)雜性等因素對模型是否值得生產(chǎn)進(jìn)行現(xiàn)實(shí)評估是非常重要的。
ML中的建模 ML中的術(shù)語“模型”是指來自訓(xùn)練過程中的產(chǎn)品或人工制品。
圖源：unsplash 建模是一組數(shù)學(xué)參數(shù)和表達(dá)式，它們以給定數(shù)據(jù)集的不同元素的類和動作的形式，與輸入和輸出鏈接在一起。建模的任務(wù)是處理數(shù)據(jù)的回歸、分類和增強(qiáng)。 或簡單來說，建模需要大量的數(shù)學(xué)運(yùn)算。通常不是在學(xué)校教授的那類。這既是ML工程師的數(shù)學(xué)造詣非常重要的原因，也是為何博士學(xué)位這樣的資格證書可以帶來優(yōu)勢的原因。 在機(jī)器學(xué)習(xí)中使用“學(xué)習(xí)”的人并不是在開玩笑，因?yàn)槟阈枰煜追N學(xué)習(xí)類型（甚至是子領(lǐng)域）。盡管我十分樂意在這里談?wù)撍鼈?，但我打算在機(jī)器真正發(fā)揮作用之前結(jié)束這篇文章。
錯(cuò)誤的面試和應(yīng)避免的錯(cuò)誤 面試中應(yīng)該避免的三大錯(cuò)誤是什么？ 微軟需求優(yōu)化負(fù)責(zé)人AnirbanSengupta表示，潛在候選人的三大致命錯(cuò)誤，就是用復(fù)雜術(shù)語使面試官加深印象，把重點(diǎn)放在工作量而不是質(zhì)量上，并且無法描述過去的項(xiàng)目。 還有其他錯(cuò)誤——面試者慌慌張張，沒有花時(shí)間正確地回答問題。恕我直言，如果你不是萬事通，也沒關(guān)系，只要精通某些領(lǐng)域即可。始終注重質(zhì)量。如果不了解某一事物，請直接承認(rèn)，并表現(xiàn)學(xué)習(xí)的熱情。
圖源：unsplash 在整個(gè)過程中向潛在的雇主證明，只要你想，就可以學(xué)習(xí)到新知識。在與一些機(jī)器學(xué)習(xí)領(lǐng)導(dǎo)者的對話中，我發(fā)現(xiàn)機(jī)器學(xué)習(xí)工程師有一種趨勢，表現(xiàn)出他們快速學(xué)習(xí)新事物的能力，能夠顯示出學(xué)習(xí)的高度 此外，不要機(jī)械式地回答問題。例如，如果你不確定面試官想要什么，不要回避提出關(guān)于自己的問題。對知道或不知道的事物保持樂觀態(tài)度。面試官想體驗(yàn)的是與你共事一天的感覺。如果在面試中缺乏協(xié)作或澄清問題的能力，那么他們自然會假設(shè)你在工作時(shí)也會避免澄清問題。 面試官通常喜歡判斷你的分析能力以及處理問題的方式。他們想評估你的思考過程。這就是為什么面試時(shí)應(yīng)保持誠實(shí)和一絲不茍的原因。夸大簡歷是大禁忌，千萬不要這樣做。如果你撒謊，很快會被察覺出來。一旦面試官深入探討你不完全理解的主題，發(fā)表自己的想法時(shí)便會露餡。
成功候選人表現(xiàn)的共同特征 成功的人總有一些共同點(diǎn)，以下是大多數(shù)成功候選人擁有的特質(zhì)。
圖源：unsplash 具有協(xié)作精神。機(jī)器學(xué)習(xí)不是單人游戲。它更像是一項(xiàng)團(tuán)隊(duì)運(yùn)動。當(dāng)你開啟ML工程師職業(yè)生涯時(shí)，可能會與技術(shù)人員和非技術(shù)人員一起工作。你應(yīng)該具有出色的溝通能力和領(lǐng)導(dǎo)才能，從而與團(tuán)隊(duì)共事并領(lǐng)導(dǎo)團(tuán)隊(duì)。 要有自知之明。能夠從錯(cuò)誤中吸取經(jīng)驗(yàn)尤為重要。為犯錯(cuò)而狡辯則不會走得太遠(yuǎn)。這只是一種告訴全世界你無法接受失敗的方式。 最后一點(diǎn)也很重要，保持謙虛，并對自己的工作充滿熱情，因?yàn)檫@是你將能夠積極貢獻(xiàn)的方式。送給你Xyonix創(chuàng)始人Deep Dhillon的一句名言：“人才難遇。現(xiàn)在，他們的勞動報(bào)酬過高卻且未發(fā)揮充分作用?！?/p> Facebook、Google和Amazon正在招聘所有頂尖人才。去這些公司的博士畢業(yè)生正在努力改善市場營銷活動、廣告收入和點(diǎn)擊率，以便他們可以像在Xyonix一樣從事其他項(xiàng)目。我們永遠(yuǎn)專注于AI。其中一些項(xiàng)目包括： · 醫(yī)院單位患者人口普查預(yù)測指標(biāo) · 基于智能手機(jī)和音頻的異常心跳檢測器 · 體內(nèi)手術(shù)的自動視頻注釋和分段引擎 · 搖滾明星聽眾自然語言文本對話解析器和輕生意念檢測器 · 用于情緒分析和自動化觀點(diǎn)提取的 醫(yī)學(xué)手術(shù)文本審查解析器 如果想在大型公司工作，使用大型數(shù)據(jù)集，這也不錯(cuò)。他們的某些項(xiàng)目不只是營銷和銷售。
圖源：unsplash 關(guān)鍵是確定你真的對此充滿熱情嗎？機(jī)器學(xué)習(xí)工程師和數(shù)據(jù)科學(xué)家的需求量很大。無論在哪里工作和從事什么都無所謂。你都將獲得豐厚的報(bào)酬。其區(qū)別只在于影響世界的方式以及在日常生活中技術(shù)的用途。
如轉(zhuǎn)載，請后臺留言，遵守轉(zhuǎn)載規(guī)范 |
|
|
