Это статья будет полезна новичкам, которые решили начать свою карьеру в сфере машинного обучения. Разберём основные вопросы, с которыми им приходиться сталкивается в начале пути.

Нужно ли уметь кодировать?

Да, кодирование необходимо, если вы начинаете заниматься машинным обучением, особенно глубоким. Но это не означает, что сначала вы должны потратить время на изучение Python, C ++ или R, а только потом начать изучать машинное обучение. Кодирование станет естественным, когда вы изучите основы. Вам не нужно запоминать синтаксис или архитектуру модели, вы можете искать их с помощью простого поиска в Google.

Нужно ли знать математику?

Да, вам нужна математика, но для работы над исследованиями и расширения границ глубокого обучения. Если вы собираетесь обучить свою модель и развернуть её в производственной среде, возможно, вам придется изучить MLOP, а не математику. Вам также необходимо узнать, как работает архитектура модели и различные матричные функции.

Нужен ли огромный набор данных?

Да, но лишь в некоторых случаях. Современные модели глубокого обучения теперь могут обеспечивать высокую точность с ограниченным количеством образцов. Даже получение наборов данных теперь стало проще с появлением в сети тысячи наборов данных с открытым исходным кодом, доступных для загрузки и использования в коммерческих целях. 

Нужна ли степень или какие-то сертификаты?

Для некоторых рабочих мест требуется степень в области машинного обучения или сертификат TensorFlow, но если у вас есть сильное портфолио, эти вещи становятся второстепенными. Многие разработчики переходят на машинное обучение, и у них нет специальной степени или сертификата, которые нужно показать, но у них есть опыт работы с моделями глубокого обучения и их развертывания в производственной среде. Если вам удастся каким-то образом доказать работодателям, что вы можете выполнить любую задачу в жизненном цикле машинного обучения, то вы идеальный кандидат. 

Нужно ли иметь дорогое оборудование?

Нет. Мир переходит от персональных компьютеров к облачным. Существует множество платформ, которые также могут помочь вам с анализом данных и созданием проектов. Эти платформы предоставляют вам бесплатное рабочее пространство для создания продукта машинного обучения с добавлением инструментов для совместной работы. Вам не нужно покупать дорогую среду IDE или вычислительные ресурсы для создания продукта, теперь у вас есть эти бесплатные облачные инструменты.

Что с трудоустройством?

Конечно, компании хотят большего. Они хотят, чтобы вы знали инженерию данных, аналитику данных и MLOP . На этапе собеседования вас спросят о последних проектах и ​​вашем опыте работы по развертыванию модели. Возможно, вы будете разочарованы даже после того, как освоите ключевые необходимые навыки. Это потому, что большинство компаний ищут опытных людей или людей с разнообразным набором навыков. Единственный способ повысить свои шансы — продолжать изучать новый навык и продолжать участвовать в соревнованиях по машинному обучению. Это также улучшит ваше портфолио и, в конечном итоге, выделит вас.

Добавить комментарий

Ваш адрес email не будет опубликован.