Mudando para uma carreira em Machine Learning [fechado]

Meu trabalho diário é simples desenvolvimento de software antigo. Também estou fazendo meu mestrado em CS (meio período, com base em curso). Fiz um curso de IA e achei o aprendizado de máquina bastante fascinante, mas como a maioria dos cursos, ele ofereceu apenas uma introdução básica.

Pretendo aprender mais sobre o Machine Learning e, se possível, conseguir um emprego nesse campo. Quando olho para as ofertas de emprego neste campo, fica claro que um doutorado em aprendizado de máquina (ou experiência anterior no campo com considerável conhecimento) é necessário para a maioria deles.

Estou procurando conselhos sobre auto-aprendizado para ganhar experiência útil na indústria. Pelo menos, experiência suficiente para entrar. Farei o óbvio, como ler livros, papéis, etc. Talvez algum esforço de código aberto do qual eu possa participar ou algo que eu possa fazer sozinho?

Desculpas se estou sendo vago aqui, mas espero que haja pelo menos alguns de vocês que fizeram uma mudança semelhante e podem aconselhar.

Obrigado !

Você está certo, o aprendizado de máquina é um campo fascinante. Eu mesmo estou prestes a terminar a universidade com um forte foco em aprendizado de máquina e em breve procurarei um emprego na área geral. Eu também ainda não descobri como fazer isso.

Mas o aprendizado de máquina geral é um campo bastante amplo. Eu sugeriria ser mais específico. Em qual campo que inclui o aprendizado de máquina você está mais interessado? Há muitos por onde escolher:

• reconhecimento de fala / processamento de linguagem natural
• processamento de imagem / vídeo / visão computacional
• sistemas médicos
• detecção de fraude
• motores de busca
• interfaces homem-computador
• ...

Todos esses campos (podem) incluem técnicas de aprendizado de máquina.

Na minha experiência, a maioria dos cursos gerais de aprendizado de máquina só introduzirá o básico de muitas técnicas por dois motivos:

1. como eu disse: o campo é muito amplo para ser realmente profundo em todos os lugares
2. a maioria das técnicas só faz sentido se forem combinadas com aplicações reais

Eu nunca realmente gostei dos SVMs até precisar usá-los em minha própria pesquisa. Eu realmente nunca entendi os diferentes algoritmos usados ​​nos HMMs até fazer algum trabalho no processamento de fala.

E, ao procurar um emprego, acho que é semelhante: as empresas têm mais probabilidade de procurar pessoas com experiência / conhecimento na área específica em que estão trabalhando, em vez do campo geral de aprendizado de máquina. Os trabalhos de aprendizado de máquina são mais propensos a serem posições de pesquisa / doutorado / pós-doutorado.

Processamento de linguagem natural como uma aplicação prática de aprendizado de máquina

Estou trabalhando em período integral e estudando em meio período em um programa de mestrado em linguística computacional (também conhecido como PNL, processamento de linguagem natural). Há muito aprendizado de máquina nesse campo, como reconhecimento de fala, classificação de documentos etc. A chave é uma base sólida em matemática, estatística e notação lógica. Faça aulas nessas áreas para aprender (ou solidificar seu conhecimento) antes de se formar, pois aprender esse tópico por conta própria pode ser difícil.

Livros

Além disso, observe que, diferentemente de muitos outros campos de CS, o campo de aprendizado de máquina está firmemente dividido entre profissionais e teóricos. Os praticantes usam o aprendizado de máquina como ferramentas, enquanto os teóricos querem provar e melhorar os métodos de aprendizado de máquina. O problema resultante é que os livros sobre aprendizado de máquina são tipicamente escritos do ponto de vista dos teóricos, como o livro de Hastie. O único livro do praticante que encontrei é "Programming Collective Intelligence", de Segaran, que abrange conceitos básicos. Ainda não encontrei o livro de um bom profissional sobre SVM, PCCM, etc.

O aprendizado de máquina tem uma enorme quantidade de probabilidade e estatística; portanto, fazer alguns cursos avançados nessas disciplinas seria um ótimo lugar para começar.