机器学习工程师的职位不只是为了AI博士知识，培养写代码的能力，最终在AI领域找到工作AI领域——只要不轻易放弃。在这篇文章中，名叫DanielBourke的小弟介绍了他从零开始的心路历程。我以前在苹果专卖店工作，我想改变，那么就从我服务的技术说起吧。我开始学习机器学习和人工智能——这个领域非常热门，每周，谷歌和Facebook等科技公司都在推出新的人工智能技术来改善我们的体验。还有无数的自动驾驶汽车公司，虽然技术很棒，但我不喜欢开车，而且道路很危险。即使今天发生的一切，我们仍然无法对“人工智能”一词给出一个明确的定义。有人认为深度学习可以称为AI；还有人认为，除非它完全通过图灵测试，否则它就不是人工智能。定义的缺失确实让我在人工智能入门初期遇到了很多麻烦。如果你正在学习的东西有很多不同的定义，那么开始学习它真的很困难。因此，让我们暂时搁置定义。我是如何开始的？我和我的朋友试图开始互联网创业，但失败了。我们觉得这样做没有意义，所以我们放弃了。但一路走来，我对ML和AI的了解越来越多。“计算机可以为人类学习吗？”我觉得不可思议。我偶然发现了优达学城的深度学习纳米学位。预告片中有一个有趣的角色，名叫SirajRaval。他精力充沛，极具感染力。虽然达不到基本要求（我一行Python代码都没写过），但我还是选择了报名。开课前三周，我给Udacity发了邮件要求退款，因为我担心我无法完成课程。我没有得到退款，因为我在规定的时间内完成了整个课程。课程很难，有时非常难。我的前两个项目迟交了四天。但涉足世界上最重要的技术的兴奋让我继续前进。获得深度学习纳米学位后，我就可以继续攻读优达学城的人工智能、自动驾驶汽车或机器人技术纳米学位。这些都是很好的选择。我觉得有点失落。“下一步是什么？”我需要一个时间表。深度学习纳米学位为我打下了一些基础，现在是时候构思下一步了。我创建了自己的AI硕士学位我不打算回到大学继续我的学业，我没有100,000美元来完成我的硕士学位。于是，和以前一样，我求助于我的“导师”——谷歌。在对该领域没有任何先验知识的情况下，我开始涉足深度学习。我没有爬到AI冰山的顶端，我是坐直升机飞上去的。在研究了一堆课程之后，我在Trello上列出了我最感兴趣的课程。Trello是我的私人助理/课程协调员，我知道在线课程的辍学率很高，我不想参与其中它的。我有一个使命。为此，我开始在网上分享我的学习经历。这样我就可以在网上找到其他志同道合的人并与之联系。当我进行AI冒险时，我的朋友们认为我疯了。我公开了我的Trello看板，并在博客上讲述了我的挣扎。自从我第一次写我的经历以来，课程略有变化，但它仍然是相关的。我每周检查Trello看板几次以跟踪我的进度。为了找工作，我买了一张去美国的单程机票。我已经学习了一年，现在是应用所学知识的时候了。我的计划是飞到美国找一份工作。然后Ashlee在LinkedIn上给我发消息说，“嗨，我看到了你的博客，很棒，我想你应该见见Mike。”所以我遇到了迈克。我跟他说了我网自学的经历，我是多么热爱医疗技术，还有我要去美国的打算。“你他妈的在这里呆一年左右，看看能找到什么，然后你就能见到卡梅伦了。”我遇到了卡梅伦。我和他的谈话和我和迈克的谈话一样，关于医疗保健、技术、在线学习和美国。“我们正在处理一些医疗问题，你周四可以过来看看。”星期四到了，我有点紧张。但是有人曾经告诉我，紧张和兴奋是一样的，我开始兴奋起来。那天我遇到了MaxKelsen的团队，了解了他们正在研究的问题。两周后，首席执行官尼克、机器学习工程师阿森和我去喝咖啡。尼克问我，“你想加入我们的团队吗？”我说：“是的。”然后我的美国之行被推迟了几个月，现在我还有回程机票。分享您的作品我知道在线学习是非常规的。我申请的所有职位都有硕士学位或某种技术学位要求。而我什么都没有。但我确实从许多在线课程中学到了相同的技能。在此期间，我在线分享我的作品。我的GitHub上有我参与过的所有项目，我的LinkedIn个人资料非常丰富。此外，我还练习了在YouTube和Medium上学到的沟通技巧。我从未向MaxKelsen发送过简历。“我们在LinkedIn上找到了你。”我存档的那些工作就是我的简历。无论您是在线学习还是攻读硕士学位，将您完成的工作打包并展示给其他人都是在您的游戏中创建皮肤的好方法。ML和AI技能很受欢迎，但这并不意味着您不需要炫耀它们。如果没有货架空间，即使是最好的产品也无法销售。这个“架子”可以是GitHub、Kaggle、LinkedIn或博客。找一个其他人可以找到你的地方。另外，拥有自己的互联网角落也很有趣。如何开始我在哪里可以学习这些技能？哪些课程***？没有绝对的答案。每个人的路都不一样。有些人看书学得更好，而有些人看视频学得更好。比如何开始更重要的是你为什么要开始？先问问自己为什么。你为什么要学习这些技能？你想从这些中赚钱吗？还想建造东西吗？还想有所作为吗？仍然没有***答案。每个人的回答对自己来说都很重要。先问为什么，因为它比怎么做更重要。知道为什么意味着当你遇到困难时（你会的），这些答案可以帮助你度过难关。他们会提醒你为什么要走这条路。明白“为什么”了吗？太好了，现在学习一些更难的技能。我只能推荐我自己尝试过的东西。我按顺序完成了以下课程：Treehouse:IntroductiontoPythonUdacity:DeepLearning&AINanodegreeCoursera:AndrewNg'sDeepLearningCoursefast。我是一名视频学习者，通过看到这些事情的发生和解释，我学得更好。所有这些类都是这样的。如果您是全新的，请从介绍性的Python课程开始，当您获得更多信心时，可以继续学习数据科学、机器学习和人工智能。需要多少数学知识？我最多只学过高中数学。其他知识是通过可汗学院学习的。深入研究机器学习和人工智能需要多少数学知识因人而异，这是我的选择。如果你想应用机器学习和AI技术来解决问题，你不必对数学有深刻的理解就能获得好的结果。像TensorFlow和PyTorch这样的库使任何具有一点Python经验的人都能够构建最先进的模型，并在幕后进行数学运算。如果你想通过博士课程或类似的东西深入机器学习和人工智能研究，你需要有扎实的数学知识。个人不打算深究数学，留给比我聪明的人吧~我觉得用TensorFlow、PyTorch等库解决问题更开心~机器学习工程师是干什么的？机器学习工程师真正做的可能不是你想的那样。尽管许多在线文章的封面照片中都有红眼机器人，但这并不意味着您要研究机器人。以下是机器学习工程师每天问自己的一些问题：背景：机器学习如何帮助您理解问题？数据：您需要更多数据吗？数据应该是什么格式？如果数据丢失了怎么办？建模：应该使用哪个模型？模型是否过度拟合数据（overfitting）？或者为什么模型不能很好地拟合数据（欠拟合）？生产：如何将模型投入生产？它应该是在线模型还是每隔一段时间不断更新？正在进行：如果模型崩溃会怎样？如何使用更多数据改进我的模型？有没有更好的办法？这些问题来自fast.ai联合创始人RachelThomas的一篇文章(http://www.fast.ai/2018/07/12/auto-ml-1/)。进入机器学习或人工智能领域没有正确或错误的方法。这个领域的美妙之处在于我们可以获得世界上最好的技术，我们只需要学习如何使用它们。首先，你应该学习Python，学习微积分和统计学，学习决策哲学。机器学习和人工智能处于上述领域的交叉点，这让我非常着迷。我对此了解得越多，就越意识到还有更多东西需要学习。它让我保持动力。有时当代码不起作用或当我不理解某个概念时，它也会令人沮丧。这个时候，我会暂时把这个问题搁置一旁，休息一下或者出去走走。回来看这道题的时候，好像换了个角度，激情又回来了！在任何特定时刻，这个领域都在发生着太多事情，以至于入门本身就令人望而生畏。太多的选择导致没有选择。请忽略它。从您感兴趣的地方开始，然后继续前进。如果它把你带到死胡同，很好，你会发现你不感兴趣的东西。找到新的方法！计算机很聪明，但它们仍然不能自己学习。他们需要你的帮助。
