기계 학습 과학자의 일상적인 직업은 무엇입니까?

저는 독일 대학에서 CS 논문을 공부하고 있습니다. 2 개월 안에 박사 학위를 계속하거나 업계에서 일자리를 구해야한다면 매우 어려운 결정을 내려야합니다.

박사 학위를 취득한 이유 :

• 나는 호기심이 사람이야 그리고 내가 아직 부족한 느낌이 너무 많은 지식을. 더 많은 것을 배우고 싶습니다. 더 많은 과정을 수강하고 수많은 논문을 읽을 수 있으며 데이터 마이닝 및 기계 학습 전문가가되기 때문에 박사 학위가 도움이 될 것입니다. 나는 수학을 좋아하지만 저학년 (나쁜 uni)에서는 잘하지 못했습니다. 이 독일어 Uni에서 저는 훌륭한 수학 기술을 많이 개발했다고 생각합니다. 수학을 정말 좋아하기 때문에 개선하고 싶습니다! (저학년과 평생 수학에서 정말 나빴지 만 이제는 수학을 잘 할 수 있습니다!)

• 나는 지적 도전 과제와 함께 일할 것입니다.

• 나는 정직해야하며, 나보다 높은 사람을 만나는 것을 싫어한다고 말해야합니다 . 거리로 걸어가 박사 학위를 가진 사람을 만나면 "이 사람이 나보다 똑똑해"라고 말할 필요가 없습니다. 나는 다른 편에있는 것을 선호합니다. ;)

박사 학위를하지 않은 나의 이유 :

• 인터넷에서 박사 학위를 받거나하지 않는 것에 대해 읽었습니다. 가장 일반적인 경우에 박사 학위를 가진 사람들은 석사를 가진 사람들과 같은 종류의 일을한다는 것을 알았습니다. (ML / DM에 대한 것이 아니라 컴퓨터 과학에 대한 일반적인 관찰).

• 1 년에서 2 년 안에 경력을 쌓고 많은 돈을 벌 수 있으며, 내 회사를 시작할 수도 있습니다.

아직 명확하지 않은 것 :

나는 아직도 나의 궁극적 인 목표가 무엇인지 모른다. 유명한 작은 회사가 있습니까? 아니면 유명한 과학자입니까? 아직이 질문에 대한 답변이 없습니다.

결정을 내리기 위해 두 가지를 알고 싶습니다.

• 업계에서 석사 학위를받은 데이터 과학자 / 기계 학습자로서 일하는 것은 어떻습니까? 어떤 일을하십니까? 특히 머신 러닝 과학자로서 아마존에서 그 광고를 읽을 때 항상 그들이하는 일이 궁금합니다.

• 전과 같은 질문이지만 박사 학위가 있습니다. 당신은 마스터와 다른 또는 같은 일을합니까?

• 흥미로운 문제를 해결하려고합니까? 아니면 지루한 물건?

약간의 참고 사항 : 기계 학습 (독일)에서 박사 학위를 가진 사람을 보았고 기계 학습 소프트웨어를 홍보하는 회사에서 일하고 있습니다. 내가 이해 한 바에 따르면 대부분의 사람들은 방법과 소프트웨어 (의사 결정 트리 등)를 사용하도록 사람들을 훈련시키는 것입니다.

유명한 유명 회사에서 독일 / 스위스와 관련된 경험에 대한 답변을 얻을 수 있다면 좋을 것입니다.

Alex, 독일이나 스위스에 대해서는 구체적으로 언급 할 수 없지만 모든 국가에서 10 만 명 이상의 직원을 보유한 국제 회사에서 일하고 있습니다. 이 사람들의 대부분은 최소한 대학원 수준의 학위를 가지고 있으며 많은 사람들이 석사와 박사 학위를 가지고 있으며 HR 및 관리자 직원을 제외하고 우리 대부분은 하나 이상의 다른 과학 분야의 전문가입니다. 나는 30 년 이상의 경험을 가지고 있으며, 숙련 된 과학 / 기술 전문가, 관리자, 프로젝트 관리자로 일했으며 결국 내가 즐기는 순수한 과학적 역할로 돌아 왔습니다. 나는 또한 직원을 고용하는 데 관여했으며 아마도 내 관찰 중 일부는 당신에게 가치가있을 수 있습니다.

1. 대부분의 신입생은 자신이 원하는 것을 정확히 알지 못하며 보통 몇 년이 걸립니다. 대부분의 경우 직장 경험은 다양한 이유로 기대했던 것과는 상당히 다릅니다. 일부 직장은 흥미롭고 일부는 지루하고 지루하며 "직장 정치", 나쁜 상사 등은 때때로 큰 문제가 될 수 있습니다. 이 문제에 대해 높은 수준의 도움이 될 수도 있고 전혀 도움이되지 않을 수도 있습니다.

2. 대부분의 고용주는 가능한 한 빨리 "일을하고"생산적인 사람을 원합니다. 고용주에 따라 학위가 높을 수도 있고 중요하지 않을 수도 있습니다. 어떤 상황에서는 박사 학위가 없으면 문이 닫힙니다. 다른 상황에서는 박사 학위를 소지하고 고용주가 누군가에게 "이론적이지 않고 더 실용적인 경험"을 원하기 때문에 문이 닫힐 수 있습니다.

3. 박사 학위가 반드시 더 빠른 승진이나 월급의 차이를 의미하는 것은 아니며, 귀하가 얻을 수있는 직종에 차이를 만들거나 그렇지 않을 수 있습니다. 일반적으로 후보자를 인터뷰 할 때 관련 업무 관련 경험이있는 사람을 찾는 데 가장 관심이있었습니다. 후보자의 논문 주제가 구체적으로 관련된 경우, PhD는 직위 확보에있어 최종 결정 요인이 될 수 있습니다.

4. 사람들은 과거보다 예전보다 일을 더 자주 바꾸는 경향이 있습니다. 당신의 나이를 2 * pi로 나눈 것은 서클에서 돌아 오기 전에 직장에 머무르는 데 몇 년 동안 나쁜 경험이 아닙니다. 어떤 사람들은 잠시 일을 한 다음 더 높은 연구로 돌아갑니다. (나 같은) 일부 사람들은 박사 학위를 시작한 다음 "거부하기에 너무 좋은 제안"을 받고 박사 학위를 떠나 출근합니다. 그렇게해서 미안해? 아니, 전혀, 그리고 다시 시작했다면 어쨌든 완전히 다른 주제에서 박사 학위를 할 것입니다.

5. 내가 줄 수있는 가장 좋은 제안은 당신이 가장 즐기는 것을하고 그것이 어떻게 전개되는지 보는 것입니다. 아무도 당신에게 가장 적합한 것을 말할 수 없습니다. 때로는 무언가를 시도해 보아도 문제가 해결되지 않으면 최대한 많이 배우고 다른 것으로 넘어가십시오. 로댕이 말했듯이 : 경험을 현명하게 사용하면 시간 낭비가 없습니다.

직장 생활에 대한 나의 의견을 설명하기 전에, 나는 당신이 관련이 있다고 생각하는 몇 가지 글을 고를 것입니다 (강조 광산) :

1. 나는 매우 호기심 많은 사람입니다
2. 함께 작동합니다 지적으로 도전 물건을
3. 나는 정직하고 말해야 할 나보다 높은 사람을 보는 것을 싫어한다 ( 허영 )
4. 1-2 년 안에 경력을 쌓고 많은 돈을 벌 수 있습니다
5. 내 회사를 시작하다

1과 2를 기준으로 데이터 과학 및 연구에 대한 매우 낭만적 인 관점을 갖는 것으로 보입니다. 그렇습니다. 흥미로운 문제를 해결해야하지만 연중 무휴 24 시간이 필요합니다 (업계와 연구에 모두 적용됨).

2와 3을 바탕으로, 당신은 인간 지능의 정점을 연구하고, 박사 학위를 당신의 영리한 자격증으로 간주하는 것 같습니다. 동의하지 않습니다.

• 학문적 연구와 산업에는 지적 도전 과제가 있습니다. 나는 학자들이 가장 어려운 것에 직면한다는 것은 이상한 가정이라고 생각합니다.
• 박사 학위를 취득한다고해서 똑똑하다는 것은 아닙니다. 현장에서 좋은 연구를 수행하는 데 필요한 것을 가지고 있다는 의미입니다. 연구는 다른 사람보다 똑똑해지는 것이 아닙니다 (도움이되지만). 창의성과 접근 각도가 다른 문제도 매우 중요한 특성입니다. 다음 사람보다 똑똑하다는 증거를 원한다면 박사가 아닌 Mensa 검사를 받으십시오.

_{제 생각으로는 가장 똑똑한 사람들은 핵 물리학 자나 목수가 되든 자신이 선택한 선택으로 행복한 삶을 사는 사람들입니다. 그들이 당신에게 자랑할만한 것을 부여했는지 아닌지에 따라 결정을 내리지 마십시오.}

4와 5를 기준으로 어느 시점에서 자신의 회사를 시작하는 것으로 보입니다. 스타트 업, 심지어 기술 지향 스타트 업을 할 때 대부분의 시간을 실제 기술로 사용하지 않을 것입니다. 성공적인 스타트 업에는 마케팅, 사업 계획, 관리 등이 모두 중요합니다. 박사님이 어떻게 도와 드릴까요?

머신 러닝 과학자의 일과에 대한 나의 개인적인 의견은 이제 막 나왔다. 우선 : 선택한 것을 강조하여 크고 복잡한 / 재미있는 데이터 세트에 대한 최첨단 방법으로 작업 할 수 있습니다. 가장 흥미로운 작품입니다.

...하지만

실제 기계 학습에는 많은 거친 작업이 필요합니다

컴퓨터 군대가 입찰을 수행하는 동안 수학적 우아함으로 가득 찬 유토피아 세계에서 모든 근무 시간을 보내지 않을 것 입니다. 많은 시간이 데이터베이스 관리, 데이터 세트 준비, 데이터 정규화, 불일치 처리 등과 같은 거친 작업을 수행하는 데 소비됩니다. 나는 대부분의 시간을 이와 같은 작업을 수행합니다. 그들은 시간이 지남에 따라 더 흥미로워지지 않습니다. 당신이 당신의 주제에 대해 열정이 없다면, 당신은 결국 이런 일을하려는 동기를 잃을 것입니다.

머신 러닝 수업을 수강 한 경우 일반적으로 모든 데이터가있는 위치에서 데이터가 누락되지 않고 일관성이없는 데이터 세트가 표시됩니다. 이것은 실제 기계 학습이 아닙니다. 좋아하는 알고리즘을 실행할 준비가 될 때까지 대부분의 시간을 할애합니다.

협업의 기대 관리

학제 간 프로젝트를 수행하려면 자신이하는 일에 대해 거의 아는 사람과 함께 일하는 방법을 배워야합니다 (모든 전문 분야에 해당됨). 기계 학습에서 종종 두 가지 시나리오 중 하나를 의미합니다.

• 공동 작업자는 TV를 너무 많이 보았고 멋진 알고리즘과 멋진 시각화로 모든 것을 해결할 수 있다고 생각합니다.
• 공동 작업자는 사용하는 기술을 이해하지 못하므로 이점이나 잠재적 인 응용 프로그램을 보지 못합니다.

업계에서 석사 학위를받은 데이터 과학자 / 기계 학습자로서 일하는 것은 어떤가요? 어떤 일을하십니까? 특히 머신 러닝 과학자로서 아마존에서 그 광고를 읽을 때 항상 그들이하는 일이 궁금합니다.

비즈니스 문제는 학위에 따라 실제로 변경되지 않으므로 동일하거나 유사한 것을 볼 수 있습니다. 대규모 조직에서 작업하는 경우 회사의 대규모 데이터 세트에서 작업합니다. 일반적으로 제품 / 클라이언트 데이터 또는 운영 데이터 (화학 공정 데이터, 금융 시장 데이터, 웹 사이트 트래픽 데이터 등) 일 수 있습니다. 일반적인 최종 목표는 데이터를 활용하여 돈을 절약하거나 회사를 위해 돈을 버는 것입니다.

• 전과 같은 질문이지만 박사 학위가 있습니다. 당신은 마스터와 다른 또는 같은 일을합니까?

대답은 위와 같습니다. 거의 똑같은 일을 할 것입니다. 그러나 대규모 국제 기업의 연구 / 정량 분석 ​​또는 유사한 기술 부서에서 박사 학위를 취득한 경우 석사 학위를 소지 한 사람보다 우위에 있습니다. 경력 진행 측면에서. 박사는 당신을 독립적 인 연구원으로 가르치고 (또는 가르치기로), 박사 학위를 통해 회사는 일반적으로 당신의 노동 (호기심 많은 기술과 근면)을 조금 더 '평가'합니다. 그러나 나는 (잠재적으로) 더 빠른 경력 발전을 위해 박사 학위를하지 말 것을 강력히 권고합니다. 박사 과정은 힘들고 특히 고통스러운 과정을 향한 과정에서 피험자를 좋아하고 (이상적으로 사랑해야) 내 의견으로는 학계에 남아있을 잠재적 관심이 있습니다 (연구에 대한 친화력을 나타내는 대리자입니다) 견딜 수 있도록 partiuclar 주제).

또한 박사 학위로 업계로 돌아 가면 경력 사다리에 뒤쳐져 기술 지향적 지원 역할 (회사를 위해 실제 돈을 버는 사람들에 비해 지불 비용이 적음)로 넘어갈 수 있습니다. 그것은 당신의 주요한 취향이 아닐 수도 있습니다. 마지막으로, 소규모 회사, 자신의 회사에서 근무하는 경우 경력 발전 또는 급여 측면에서 박사 학위 소지의 가장자리가 사실상 사라집니다.

• 흥미로운 흥미로운 문제를 해결하려고합니까? 아니면 지루한 물건?

나는 이것에 대한 일반적인 대답이 없다고 생각합니다. ML은 학제 적입니다. 분석가로 일하는 경우 일반적으로 데이터를 살펴보고 모델을 작성하려고 시도합니다. 개발 측면에있는 경우, 구현에있어 결정적인 문제를 처리하게됩니다. 고객을 대면하는 경우 고객을 많이 잡고 훈련해야 할 수도 있습니다 (그러나 더 많은 돈을 벌 수 있습니다). 일반적으로 귀하의 질문에 대한 답변은 개인적 취향과 고용주가 제공하는 유연성에 달려 있습니다.

또는 통계 학자와 기계 학습자가 일상적인 모습이 아닌 일부 연구 그룹에 참여할 수도 있습니다. 예를 들어 감염 및 질병 확산, 식물학 또는 생태, 사회 곤충 또는 사회 과학?

나는 당신에게 정확한 예를 제시 할 수는 없지만, 만약 당신이 그들 중 소수만이있는 곳에서 좋은 통계 학자 / ML이라면, 사람들과 다른 연구 제안이 당신을 찾을 것입니다. 요점은, 당신은 당신의 곁에서 너무 많은 노력을 들이지 않고 실제로 수요가 많다는 것입니다.

이 아이디어가 마음에 든다면 현재 주제 (업계) 이외의 머신 러닝 문제를 검색하는 것보다 "도전적인 흥미로운 문제"와 "지적으로 도전적인 재료로 작업"을 찾는 방법을 찾을 수있을 것입니다.

다른 답변에 동의합니다. 박사 학위를 계속 받거나 학부 학위를 취득한 후 업계에서 일하는 것을 주저하는 사람들과 같은 사람들을위한 하나의 일반적인 방법 (적어도 미국에서는)은 박사 학위를 신청 한 다음 휴가를 취하는 것입니다 (1 년 이상) 예상만큼 좋지 않거나 단순히 산업을 탐험하고 싶다면 일반적으로 학부 과정 직후 박사 학위를 신청하는 것이 더 쉽습니다. 시험을 치르는 습관 (GRE)을 잊어 버리지 않았으며, 추천서를 쓰려는 교수는 여전히 여러분을 잘 기억합니다.

또한 PhD와 산업을 비교할 때 기회 중 흥미로운 데이터 세트, 컴퓨터 클러스터 가용성, 장소의 소프트웨어 엔지니어링 기술 및 각 프로젝트에 할당 된 인원 수에 대한 액세스를 비교할 수 있습니다.

마지막으로, IBM / Google / Microsoft / Nuance / Facebook / etc와 같은 업계에서 지적 적으로 도전적인 것들을 많이 찾을 수 있습니다. 연구 부서 (당신이 지적 적으로 도전적인 많은 학계를 찾을 수있는 것처럼). 예를 들어, SVM 뒤에있는 사람들은 AT & T에서 일하고, IBM Watson은 IBM에 있으며, Google Translate는 최고의 기계 번역 시스템 중 하나이며, Nuance와 Google은 최고의 음성 인식 시스템을 갖추고 있으며 격리 된 사례와는 거리가 멀습니다. 사실 나는 항상 산업계와 학계에서 누가 머신 러닝 연구에 가장 많이 기여하는지 궁금해했습니다 (Quora에 대한 데이터베이스 연구에 대해 같은 질문을했습니다 : 데이터베이스 연구는 지난 10 년 동안 업계에서 주도 해 왔습니까? ).

박사 학위를 받으려면 인간 지식의 상태를 발전시켜야합니다. 더 많은 것을 배울 필요는 없습니다. 독창적 인 것을 만들어야합니다. 이것은 길고 느리고 고통스러운 과정이며 모든 사람이 성공하지는 않습니다. 따라서 자신의 분야에 새롭고 창의적이며 기여가 있다고 생각되는 경우에만 박사 학위를 받아야합니다.

현장을 배우고 현장을 적용하려면 마스터를 최대한 활용 한 다음 신청하는 동안 남은 인생을 배우십시오. 읽습니다. 가끔 워크숍을하세요. 어떤 시점에서 진정 독창적 인 일을하려는 충동에 감염된 경우 경력에서 (오래) 휴식을 취한 다음 박사 학위를 받으십시오.

/ 유명한 작은 회사 / 경로를 선택하면 회사에 연구 부서를 자유롭게 설립 할 수 있습니다.

여기서, 당신은 짜증나 지 않고 창의력을 발휘할 수 있습니다. 어린 시절의 환상을 탐구하고, 지적 도전적인 것들을 탐색하십시오. 당신은 페이스를 설정합니다.

/ Killer / 연구 논문을 작성하기 위해 University Labs에 앉아있을 필요는 없습니다.

그럼에도 불구하고 Univ의 관련 연구 부서와 항상 협조 할 수 있습니다. 만나다...? zwei vögel mit eines 스타 인 :-)

... 더 높은 학위를 가진 사람 ...

허영은 적당히 최선을 다하도록 동기를 부여합니다.

행운을 빕니다.

yb