今日应用
今日话题
人到中年，成功转行机器学习工程师？国外小哥狂刷吴恩达LeCun，教你18个月转行
重点标签 成功转行、机器学习工程师、必备技能、学习路径、实用资源
文章摘要
在这篇博客中，Max Mynter分享了他从社会学和物理学领域成功转行成为机器学习工程师的经验。他强调，尽管他不是Andrej Karpathy，但他已经成为一名扎实的中级机器学习工程师。他希望通过分享自己的经历，为那些希望转行成为机器学习工程师的人提供可行的路线图和资源。
首先，Mynter解释了机器学习工程师的定义，即在组织中使用机器学习技术解决业务问题的人。与机器学习研究人员不同，工程师更注重实际应用而非理论研究。接下来，他详细介绍了成为机器学习工程师所需的技能，包括软件工程、数据科学、数学与统计学以及特定应用领域的知识。
在软件工程方面，Mynter认为，机器学习工程师需要具备编写代码的能力，更重要的是要成为一名有能力的软件工程师。这是因为机器学习需要处理大量数据，并且需要将模型部署到产品中以实现业务价值。此外，了解计算机的工作原理和构建定制工具的能力也非常重要。
在数据科学方面，机器学习工程师需要能够处理现实世界中的混乱数据，收集、理解和设计有用的特征，并解释模型输出的敏感性。此外，进行研究、识别相关论文并将其应用到自己的领域也是必要的。
数学与统计学方面，机器学习工程师需要掌握实数微积分、线性代数和概率论等基础数学理论，以及数值方法和优化理论。统计知识对于理解特定问题的数据也非常重要。
最后，Mynter提供了一些实用的学习资源和建议，包括学习编程、浅层机器学习、深度学习、建立领域专业知识、软件工程和MLOps等。他还强调了实践经验的重要性，建议通过构建作品集来展示自己的技能。
总之，Mynter认为，通过遵循他的指南，人们可以成为入门级机器学习工程职位的有竞争力的候选人。他鼓励那些有志于转行的人不要放弃，因为学习机器学习和软件工程虽然困难，但并非不可能。通过努力学习和实践，他们可以实现自己的职业目标。
文章来源
原文地址: 点我阅读全文
原文作者: 极市平台
相关文章
