เปลี่ยนเป็นอาชีพในการเรียนรู้ของเครื่อง [ปิด]

13

ตามที่เป็นอยู่ในปัจจุบันคำถามนี้ไม่เหมาะสำหรับรูปแบบคำถาม & คำตอบของเรา เราคาดหวังคำตอบที่จะได้รับการสนับสนุนจากข้อเท็จจริงการอ้างอิงหรือความเชี่ยวชาญ แต่คำถามนี้มีแนวโน้มที่จะเรียกร้องให้มีการอภิปรายโต้แย้งโต้แย้งหรือการอภิปรายเพิ่มเติม หากคุณรู้สึกว่าคำถามนี้สามารถปรับปรุงและเปิดใหม่ได้โปรดไปที่ศูนย์ช่วยเหลือเพื่อขอคำแนะนำ

ปิดให้บริการใน8 ปีที่ผ่านมา

งานประจำวันของฉันคือการพัฒนาซอฟต์แวร์แบบเก่า ฉันกำลังทำปริญญาโทของฉันใน CS ด้วย (นอกเวลาตามหลักสูตร) ฉันเรียนหลักสูตร AI และพบว่าการเรียนรู้เครื่องค่อนข้างน่าสนใจ แต่หลักสูตรส่วนใหญ่เป็นเพียงการแนะนำเบื้องต้นเท่านั้น

ฉันตั้งใจจะเรียนรู้เพิ่มเติมเกี่ยวกับการเรียนรู้ของเครื่องและถ้าเป็นไปได้หางานในสาขานั้น เมื่อฉันดูโพสต์งานในสาขานี้เป็นที่ชัดเจนว่าต้องมีการเรียนรู้ปริญญาเอกด้านเครื่องจักร (หรือมีประสบการณ์ก่อนหน้านี้ในสาขาที่มีความเชี่ยวชาญเป็นพิเศษ) สำหรับพวกเขาส่วนใหญ่

ฉันกำลังมองหาคำแนะนำเกี่ยวกับการเรียนรู้ด้วยตนเองเพื่อรับประสบการณ์ที่จะเป็นประโยชน์ในอุตสาหกรรม อย่างน้อยก็มีประสบการณ์มากพอที่จะก้าวเข้ามาฉันจะทำสิ่งที่ชัดเจนเช่นการอ่านหนังสือข้อความเอกสาร ฯลฯ บางทีความพยายามโอเพนซอร์สที่ฉันสามารถมีส่วนร่วมหรืออะไรที่ฉันสามารถทำได้ด้วยตัวเอง

ขอโทษถ้าฉันคลุมเครือที่นี่ แต่ฉันหวังว่าจะมีพวกคุณอย่างน้อยสองคนที่ทำการสลับที่คล้ายกันและสามารถให้คำแนะนำได้

ขอบคุณมาก!

self-improvement computer-science machine-learning

— Yannis
แหล่งที่มา

2

อาจไม่ใช่สถานที่ที่ดีที่สุดที่จะถามสิ่งนี้ - แต่ลองดู weka

— SB01

1

แรงบันดาลใจจากวัตสัน?

— N0Alias

งานประจำวันของฉันทำให้ฉันเรียนรู้ด้วยเครื่องจักรและตื้น NLP ฉันใช้wekaมากคุณสามารถอ่านเอกสารอ่านโค้ดและมีส่วนร่วมได้ ที่จะช่วยคุณในการเรียนรู้ คุณสามารถตรวจสอบMahout ได้เช่นกัน

— ซิมบับเว

ตรวจสอบ kaggle.com เข้าร่วมในการแข่งขันบางส่วนที่นั่น

— Michael Brown

8

คุณพูดถูกการเรียนรู้ด้วยเครื่องเป็นสิ่งที่น่าสนใจ ฉันกำลังจะเรียนจบมหาวิทยาลัยด้วยการมุ่งเน้นที่การเรียนรู้ของเครื่องจักรและจะหางานในสาขาทั่วไปในไม่ช้า ฉันยังไม่เข้าใจวิธีการเกี่ยวกับเรื่องนี้

แต่การเรียนรู้ของเครื่องทั่วไปค่อนข้างกว้าง ฉันอยากจะแนะนำให้เฉพาะเจาะจงมากขึ้น คุณสนใจสาขาใดที่มีการเรียนรู้ของเครื่องมากที่สุด มีให้เลือกมากมาย:

การรู้จำเสียง / การประมวลผลภาษาธรรมชาติ
การประมวลผลภาพ / วิดีโอ / การมองเห็นของคอมพิวเตอร์
ระบบการแพทย์
การตรวจจับการฉ้อโกง
เครื่องมือค้นหา
ส่วนต่อประสานระหว่างมนุษย์กับคอมพิวเตอร์
...

สาขาเหล่านี้ทั้งหมด (สามารถ) รวมถึงเทคนิคการเรียนรู้ของเครื่อง

จากประสบการณ์ของฉันหลักสูตรการเรียนรู้ทั่วไปของเครื่องจักรส่วนใหญ่จะแนะนำพื้นฐานของเทคนิคมากมายด้วยเหตุผลสองประการ:

อย่างที่ฉันพูด: ทุ่งกว้างเกินกว่าที่จะไปได้ลึกทุกที่
เทคนิคส่วนใหญ่จะใช้งานได้ก็ต่อเมื่อรวมเข้ากับแอปพลิเคชันจริงเท่านั้น

ฉันไม่เคยคลุกคลี SVM จริง ๆ จนกว่าฉันจะต้องใช้พวกเขาในการวิจัยของฉันเอง ฉันไม่เคยเข้าใจอัลกอริทึมที่แตกต่างกันที่ใช้กับ HMM จนกว่าฉันจะทำงานเกี่ยวกับการพูด

และเมื่อมองหางานฉันคิดว่ามันคล้ายกัน: บริษัท มีแนวโน้มที่จะมองหาคนที่มีประสบการณ์ / ความรู้ในพื้นที่เฉพาะที่พวกเขากำลังทำงานอยู่มากกว่าสาขาทั่วไปของการเรียนรู้ของเครื่อง งานการเรียนรู้ของเครื่องมีแนวโน้มที่จะเป็นตำแหน่งวิจัย / ปริญญาเอก / หลังปริญญา

— HenningJ
แหล่งที่มา

4

การประมวลผลภาษาธรรมชาติเป็นแอปพลิเคชันสำหรับการเรียนรู้ของเครื่อง

ฉันทำงานเต็มเวลาและกำลังเรียนนอกเวลาในภาษาศาสตร์คอมพิวเตอร์ (หรือ NLP, การประมวลผลภาษาธรรมชาติ) หลักสูตรปริญญาโท มีการเรียนรู้ของเครื่องเป็นจำนวนมากในสาขานี้เช่นการรู้จำเสียงการจำแนกเอกสาร ฯลฯ กุญแจสำคัญคือพื้นฐานที่มั่นคงในวิชาคณิตศาสตร์สถิติและสัญกรณ์เชิงตรรกะ เข้าเรียนในสาขาเหล่านี้เพื่อเรียนรู้ (หรือเสริมสร้างความรู้ของคุณ) ก่อนที่คุณจะสำเร็จการศึกษาเนื่องจากการเรียนรู้หัวข้อเหล่านี้ด้วยตนเองอาจเป็นเรื่องยาก

หนังสือ

นอกจากนี้โปรดทราบว่าไม่เหมือนเขตข้อมูล CS อื่น ๆ อีกมากมายเขตการเรียนรู้ของเครื่องถูกแบ่งแยกอย่างแน่นหนาระหว่างผู้ปฏิบัติงานและนักทฤษฎี ผู้ปฏิบัติงานใช้การเรียนรู้ของเครื่องจักรเป็นเครื่องมือในขณะที่นักทฤษฎีต้องการพิสูจน์และปรับปรุงวิธีการเรียนรู้ของเครื่อง ปัญหาที่เกิดขึ้นคือหนังสือที่เกี่ยวกับการเรียนรู้ของเครื่องจักรมักเขียนจากมุมมองของนักทฤษฎีเช่นหนังสือของ Hastie หนังสือของผู้ประกอบการคนเดียวที่ฉันค้นพบคือ "Programming Collective Intelligence" โดย Segaran ซึ่งครอบคลุมแนวคิดพื้นฐาน ฉันยังไม่พบหนังสือผู้ประกอบการที่ดีเกี่ยวกับ SVM, PCCM ฯลฯ

— stackoverflowuser2010
แหล่งที่มา

0

การเรียนรู้ของเครื่องมีความน่าจะเป็นและสถิติจำนวนมากดังนั้นการลงเรียนหลักสูตรขั้นสูงเพียงเล็กน้อยในวิชาเหล่านี้จะเป็นจุดเริ่มต้นที่ดีจริงๆ

— Nishant
แหล่งที่มา