기계 학습에서 경력으로 전환 [닫기]

내 일은 평범한 오래된 소프트웨어 개발입니다. CS에서 석사를하고 있습니다 (파트 타임, 코스 기반). 나는 AI에 관한 과정을 수강했고 머신 러닝은 매우 흥미로 웠지만 대부분의 과정과 마찬가지로 기본적인 소개 만 제공했습니다.

기계 학습에 대해 더 많이 배우고 가능한 경우 해당 분야에서 일자리를 얻습니다. 이 분야의 채용 공고를 볼 때 머신 러닝 박사 학위 (또는 상당한 전문 지식을 갖춘 분야의 사전 경험)가 대부분 필요합니다.

업계에서 유용한 경험을 얻기 위해 자체 학습에 대한 조언을 찾고 있습니다. 적어도 내 발을 들여 놓기에 충분한 경험. 나는 교과서, 종이 등을 읽는 것과 같은 명백한 것들을 할 것이다.

내가 모호한 경우 사과하지만 비슷한 전환을 수행하고 조언을 할 수있는 사람이 적어도 몇 명 있기를 바랍니다.

감사 !

기계 학습은 매혹적인 분야입니다. 나는 기계 학습에 중점을두고 대학을 마치려고하고 있으며 곧 일반 분야에서 일자리를 찾을 것입니다. 또한 그것에 대해 어떻게 생각해야할지 모르겠습니다.

그러나 일반적인 머신 러닝은 매우 넓은 분야입니다. 좀 더 구체적으로 제안하겠습니다. 머신 러닝을 포함한 어느 분야에 가장 관심이 있습니까? 선택할 수있는 많은 것들이 있습니다 :

• 음성 인식 / 자연어 처리
• 이미지 / 비디오 프로세싱 / 컴퓨터 비전
• 의료 시스템
• 사기 탐지
• 검색 엔진
• 휴먼-컴퓨터 인터페이스
• ...

이 모든 분야에는 기계 학습 기술이 포함됩니다.

내 경험상, 가장 일반적인 기계 학습 과정은 두 가지 이유로 인해 많은 기술의 기본 사항 만 소개합니다.

1. 내가 말했듯이 : 필드는 너무 넓어서 모든 곳에서 깊숙히갑니다.
2. 대부분의 기술은 실제 응용 프로그램과 결합 된 경우에만 의미가 있습니다.

SVM을 자체 연구에 사용해야 할 때까지 SVM을 실제로 사용하지 않았습니다. 음성 처리 작업을하기 전까지는 HMM에서 사용되는 다양한 알고리즘을 실제로 이해하지 못했습니다.

그리고 직업을 찾을 때도 비슷하다고 생각합니다. 회사는 일반적인 기계 학습 분야가 아닌 특정 분야에서 경험 / 지식을 가진 사람들을 찾을 가능성이 높습니다. 머신 러닝 직업은 연구 / 박사 / 사후 관리직 일 가능성이 높습니다.

기계 학습의 실용적인 응용 프로그램으로서의 자연 언어 처리

전일제로 일하고 있고 계산 언어학 (일명 NLP, 자연어 처리) 석사 학위 프로그램에서 파트 타임으로 공부하고 있습니다. 이 분야에는 음성 인식, 문서 분류 등과 같은 수많은 머신 러닝이 있습니다. 키는 수학, 통계 및 논리 표기법을 기반으로합니다. 이 주제를 스스로 배우는 것은 어려울 수 있으므로 졸업하기 전에 이러한 영역의 수업을 통해 배우거나 지식을 강화하십시오.

서적

또한 다른 많은 CS 분야와 달리 기계 학습 분야는 실무자와 이론가 사이에 확고하게 분리되어 있습니다. 실무자들은 기계 학습을 도구로 사용하는 반면 이론가들은 기계 학습 방법을 입증하고 개선하기를 원합니다. 결과적으로 머신 러닝에 관한 책은 일반적으로 Hastie의 책과 같은 이론가들의 관점에서 작성됩니다. 내가 찾은 실무자의 책은 Segaran의 "Programming Collective Intelligence"(기본 프로그래밍 개념)입니다. 나는 여전히 SVM, PCCM 등에 관한 훌륭한 실무자 책을 찾지 못했습니다.

기계 학습에는 엄청난 확률과 통계가 있으므로 이러한 과목에서 몇 가지 고급 과정을 수강하는 것이 시작하기에 정말 좋은 곳입니다.