如何找到一份機器學習的工作?對于這個問題， SharpestMindsAI 創(chuàng)始人、物理學家和機器學習專家 Edouard Harris 寫了一篇博客。

我是一個在 YC 初創(chuàng)公司工作的物理學家。我們的工作是幫助剛畢業(yè)的學生得到他們的第一份機器學習工作。

前一段時間，我寫了一篇關于如何才能獲得第一份機器學習工作的文章。我在那篇文章中說，有一件你應該做的事是建立個人機器學習項目。但我并沒有說明如何去做這件事，所以在這篇文章里，我會告訴你怎么做。

由于工作原因，我看到過成百上千的個人項目的例子，它們有的非常好，有的很糟糕。下面我將給你講講其中的兩個非常好的項目。

全力以赴地投入項目

下面是一個真實的故事，只是為了保護隱私，我改了名字。

當雜貨店需要更新庫存的時候，X 公司使會用人工智能去提醒它們。我們有一個名叫 Ron 的學生，他真的很想去 X 公司工作。Ron 實在是太想去 X 公司工作了，因此，他投入所有的精力建立了一個個人項目，這個項目讓他得到了 X 公司的面試機會。

像這樣全力以赴地為進入一家公司做準備是一件冒險的事情，我們通常不建議這樣做。但是我在前面說過，Ron 真的非常想去 X 公司工作。

那么 Ron 建立了一個什么樣的個人項目?

 

 

紅色的矩形框表示缺貨

Ron 先把手機綁到購物車上，之后他推著購物車在雜貨店的過道上來回走動，同時用相機把雜貨店的貨架拍攝下來。他在不同的雜貨店做了 10 到 12 次這樣的工作。

Ron 一到家，就開始著手建立機器學習模型。他的模型可以識別出雜貨店貨架上沒有貨物的地方，這些地方的玉米片(或其他東西)被拿走了。

Ron 在 GitHub 上實時構建模型，并完全公開。每天，他都會對自己的模型進行改進來提高它的準確性，并記錄其中的變化。

當注意到 Ron 所做的事情時，X 公司表現(xiàn)出了極大的興趣。事實上，X 公司甚至對此感到緊張。他們?yōu)槭裁磿�緊張?因為 Ron 不知不覺地在幾天內(nèi)重構了他們的專有的技術棧的一部分。

X 公司實力強勁，他們的技術在同行業(yè)中首屈一指。盡管如此，在 4 天之內(nèi)，Ron 的項目已經(jīng)引起了 X 公司 CEO 的注意。

試驗項目

這是另一個真實的故事。

Alex 是歷史系的學生，同時他輔修了俄語研究。不同于其他歷史專業(yè)的學生，他對機器學習特別感興趣。更不尋常的是，盡管從未寫過一行 Python 代碼，他決定去學習機器學習。

Alex 選擇通過實踐來學習。他決定建立一個分類器來檢測飛機上的飛行員是否失去意識。Alex 想通過觀看飛行員的視頻來探索這個問題。人們很容易通過觀察就能判斷一個飛行員是否失去意識，所以 Alex 認為機器也有可能做到這一點。

以下是 Alex 花了幾個月做的事情：

 

 

Alex 的意識喪失感應探測器模型 G-force

Alex 在 YouTube 上下載了從駕駛艙里拍攝的飛行員駕駛飛機的每個視頻片段。

接下來，他開始標記數(shù)據(jù)。Alex 創(chuàng)建了一個 UI，他可以在上面滾動觀看數(shù)千個視頻片段，這個 UI 上有兩個按鈕，按其中一個按鈕顯示「有意識」，按另一個按鈕顯示「無意識」。按下按鈕后，當前視頻片段會被自動保存在正確標記的文件夾中。這個過程非常無聊，花了他很多很多天的時間。

Alex 為這些圖像建立了一條數(shù)據(jù)管道，可以將飛行員從駕駛艙的背景中裁剪出來，以便使他的分類器更容易地將注意力集中在飛行員身上。最后，他建立了他的意識喪失分類器。

在做這些工作的同時，Alex 也在社交活動中向招聘經(jīng)理展示他項目的照片。每次當他拿出手機展示他的項目時間，他們問會他是怎么做到這些的，關于他如何建造管道，以及他如何收集數(shù)據(jù)。但是他們從來沒有抽出時間去問過他的模型的精確度--低于 50%。

Alex 當然打算提高他的準確性，但是在做這個事情之前他就被錄用了。事實證明，他的項目所帶來的視覺沖擊，以及他在數(shù)據(jù)收集方面不屈不撓、足智多謀的特質，對公司來說比他的模型實際有多好更重要。

我提過 Alex 是主修歷史輔修俄語研究嗎?

他們有什么共同點?

是什么讓 Ron 和 Alex 如此成功?因為他們做到了下面四點：

Ron 和 Alex 沒有花太多精力去建模。我知道這聽起來很奇怪，但是對于現(xiàn)在許多用例來說，建模是一個已經(jīng)解決的問題。在真正的工作中，除非你做的是最先進的人工智能研究，否則無論如何，你將花費 80-90% 的時間來清理數(shù)據(jù)。是什么讓你的個人項目與眾不同?

Ron和Alex收集了他們自己的數(shù)據(jù)。正因為如此，它們最終得到的數(shù)據(jù)比 Kaggle 或 UCI 數(shù)據(jù)庫中的數(shù)據(jù)更混亂。但是這些混亂的數(shù)據(jù)教會了他們?nèi)绾翁幚砘靵y數(shù)據(jù)。相比從學術服務器下載數(shù)據(jù)，這種方式讓他們更好地理解了他們的數(shù)據(jù)。

Ron 和 Alex 創(chuàng)造了可以被看到的東西。面試不是讓你的技能被一個通曉一切的面試官客觀地評估，而是一個向別人推銷自己的過程。人類是視覺動物。所以，拿出你的手機，向面試官展示你所做的一切吧，確保你所做的看起來很有趣是值得的。

Ron 和 Alex 的所作所為看起來很瘋狂，實際上也很瘋狂。一般人不會把手機綁在購物車上。普通人不會花時間從 YouTube 視頻中裁剪飛行員，你知道誰會干這種事情嗎?想盡所有辦法都要達到目標的人。而公司真的很想雇傭這些人。

Ron 和 Alex 看起來似乎做了太多的工作，但實際上，這并不比你在一份真正的工作中所需要做的事情多。這就是最關鍵的一點：當你沒有做 X 的工作經(jīng)驗時，招聘經(jīng)理會從你做過的事情中尋找那些和 X 相關的事情。

幸運的是，你只需要構建一兩個項目---Ron 和 Alex 的項目在他們所有的面試中被反復使用。

因此，如果要我用一句話概括一個偉大的機器學習項目的秘密，那就是：構建一個帶有一個有趣的數(shù)據(jù)集的項目，這個數(shù)據(jù)集必須是花費了顯而易見的努力收集來的，并使這個項目盡可能給人以深刻的視覺印象。

標簽： 代碼 服務器 數(shù)據(jù)庫

版權申明：本站文章部分自網(wǎng)絡，如有侵權，請聯(lián)系：west999com@outlook.com
特別注意：本站所有轉載文章言論不代表本站觀點！
本站所提供的圖片等素材，版權歸原作者所有，如需使用，請與原作者聯(lián)系。