我是如何从前端开发人员转型为机器学习工程师的
TL;DR
4. 第一次比赛
5. 第一个真实项目
6. 第二场比赛
7. 第二门在线课程
8. 第二个真实项目
这就是我从零开始为客户进行机器学习实际工作的故事。
我希望这篇文章简短一些,这样你就能抓取对你有用的内容然后离开。不过,如果你对包含图片和个人观点的细节感兴趣,可以访问我的网站阅读全文。
注:我讨厌那种“我如何在三个月内达到X目标”之类的一夜成名故事,我不认为真正的进步是那样来的,只会让读者感到压力。因此,我只想说这一切都发生在一年左右的时间里。
TL;DR
以下是我的旅程概述。在接下来的段落中,我会提供一些有用的链接以及一些我的个人故事。
我尊重大家的时间,所以会做很多总结。不过,如果你想读完整个故事,可以点击这里。
1. 第一本书
我妻子给我买了一本麻省理工学院的机器学习手册。它对这个主题做了一个相当简短的概述,激发了我深入研究的兴趣。
2. 首门在线课程
之后,我报名参加了DataCamp的Python 数据科学家课程。我没有完成整个课程,只是上了几节课,直到我觉得自己可以独立继续学习。
3. 第二本书
我买了一本《用 Scikit-Learn 和 TensorFlow 进行机器学习实践》这本书。这是一笔非常划算的投资。这本书非常适合学习使用 Scikit-Learn 进行监督学习和非监督学习,以及使用 TensorFlow 进行深度神经网络。
4. 第一次比赛
然后,我在Kaggle 的泰坦尼克机器学习竞赛中碰碰运气。这是机器学习竞赛的“Hello World”。
我最终提交了三次尝试。虽然得分不高,但我很自豪自己投入了时间和自律,完成了挑战。
这类内容我会发送给我邮件列表中超过 850 位开发者。点击此处,获取我关于算法和职业发展的技巧和想法。如果您不喜欢电子邮件,可以关注我的Twitter ,抢先了解我正在做的事情。
5. 第一个真实项目
我秘密地为我所在的公司开发了一个未经请求的新闻主题分类器。它会分析新闻文章的内容,并根据之前的训练预测其类别(体育、政治、宗教等)。
结果他们一点也不喜欢。不过,我感觉自己不像个废物。我证明了自己可以专业地做机器学习。然后我继续前进。
6. 第二场比赛
我参加了AWS DeepRacer 奖学金挑战赛,该挑战赛将授予我参加机器学习工程师纳米学位计划的资格。
比赛内容是调校一辆自动驾驶赛车,使其以最快的速度完成赛道。前200名选手将获得奖学金。
(提醒一下:下次别拿着土豆拍照)。我最终赢得了奖学金,但不是因为我的成绩,我的单圈成绩糟透了。我拿到奖学金要么是因为运气好,要么是因为创建了这个 repo,里面有一些资源可以提供给新参赛者。不过我没问,就继续往下看了。
7. 第二门在线课程
我利用获得的奖学金报名参加了机器学习工程师纳米学位项目。虽然课程内容比较基础,但我学到了很多关于如何在 AWS 上部署机器学习模型到生产环境的知识。
他们提供的最终项目选择我都不喜欢。所以我决定找一些有意义的事情去做。
8. 第二个真实项目
我联系了我的朋友尼古拉斯,他恰好运营着拉丁美洲最大的众筹网站之一Vaki.co。我提议建立一个类似Netflix 或亚马逊的推荐系统。他很喜欢这个想法,于是我们开始合作。
经过几周的努力,我构建了一个混合推荐系统,它基于两种模型预测推荐结果:基于内容的推荐和协同过滤推荐。您可以在这里阅读完整的报告。它已经准备好投入生产,但尚未实现(这超出了我的能力范围)。
之后我就没再做过其他东西了。我不想把自己投入到那些我因为害怕错过(FOMO)而挑出来的东西上,因为这些东西根本无法激发我内心的热情。我的工具箱里又添了点新东西,但短期内不会改变方向。
关键要点
-
学习的终极指南根本不存在。每个人都需要找到自己的最佳学习状态。对我来说,学习的秘诀就是纸笔、书籍,以及用真实/模拟的项目练习。
-
尽力理解数学。如果没有良好的基础,调整超参数或推理模型性能会感觉很奇怪。
-
我不是研究员,我是一名工程师。我并不介意不了解人工智能和机器学习领域所有最新、最复杂的进展。我乐于理解并使用常见的机器学习工具来解决实际问题。对我来说,机器学习只是达到目的的一种手段,而不是目的本身。
-
我不喜欢机器学习的反馈速度太慢。对于我这样一个有产品经验的人来说,训练一个深度神经网络几个小时,结果却只是一堆垃圾,而且我又不知道为什么,这真是令人沮丧。
-
深入研究其他领域,丰富你的知识储备,但不要偏离你的真我,无论它是什么。我宁愿加倍努力发挥自己的优势,也不愿成为万事通。
感谢阅读。学习永不停歇!
可耻的自我推销
你可以在Twitter上关注我,或者直接在这里阅读我的博客。我写了关于我进入 Toptal 的故事、如何写好简历的建议、一份寻找顶级远程工作的精选清单,以及一些在算法面试中脱颖而出的建议。我还写了一本关于如何进入 Toptal 的电子书,如果你感兴趣的话,可以看看。
文章来源:https://dev.to/caroso1222/how-i-went-from-frontend-dev-to-machine-learning-engineer-6ao