转向机器学习职业[关闭]

我的日常工作是简单的旧软件开发。我也在攻读CS硕士学位（兼职，基于课程）。我上了一门关于AI的课程，发现机器学习非常有趣，但是像大多数课程一样，它仅提供了基本的介绍。

我打算学习有关机器学习的更多信息，并在可能的情况下找到该领域的工作。当我查看该领域的职位发布时，很明显，其中大多数需要机器学习博士学位（或具有相当专业知识的该领域的先前经验）。

我正在寻找有关自我学习的建议，以获取对行业有用的经验。至少有足够的经验可以涉足。我会做一些显而易见的事情，例如阅读教科书，论文等。也许我可以参加任何开源工作，或者我可以自己做些什么？

抱歉，如果我在这里含糊不清，但我希望至少有一些人做了类似的更改并可以提供建议。

谢谢 ！

没错，机器学习是一个令人着迷的领域。我本人即将完成大学，重点是机器学习，并将很快在通用领域寻找工作。我也还不太清楚该怎么做。

但是一般的机器学习是一个广阔的领域。我建议更加具体。您最关注机器学习的哪个领域？有很多选择：

• 语音识别/自然语言处理
• 图像/视频处理/计算机视觉
• 医疗系统
• 欺诈识别
• 搜索引擎
• 人机界面
• ...

所有这些领域（可以）都包含机器学习技术。

以我的经验，大多数通用机器学习课程只会介绍许多技术的基础，这有两个原因：

1. 正如我所说：领域太广，无法到处深入
2. 大多数技术只有与实际应用相结合才有意义

在我不得不在自己的研究中使用它们之前，我从来没有真正抱怨过SVM。在我从事语音处理工作之前，我从未真正理解过HMM使用的不同算法。

在寻找工作时，我认为这是相似的：公司更有可能寻找在其工作的特定领域而不是机器学习的一般领域具有经验/知识的人员。机器学习工作更可能是研究/博士学位/博士后职位。

自然语言处理作为机器学习的实际应用

我正在全职工作，并且正在以计算语言学（又名NLP，自然语言处理）硕士学位课程兼职学习。在该领域有大量的机器学习，例如语音识别，文档分类等。关键是在数学，统计和逻辑符号上有坚实的基础。在毕业之前参加这些领域的课程以学习（或巩固您的知识），因为独自学习这些主题可能很困难。

图书

另外，请注意，与许多其他CS领域不同，机器学习领域在实践者和理论家之间牢牢地分开了。从业人员将机器学习用作工具，而理论家则希望证明和改进机器学习方法。由此产生的问题是，有关机器学习的书籍通常是从理论家的角度写的，就像Hastie的书一样。我发现的唯一一本从业人员的书是Segaran撰写的“ Programming Collective Intelligence”，其中涵盖了基本概念。我仍然没有找到关于SVM，PCCM等的优秀从业者书。

机器学习具有大量的概率和统计数据，因此在这些学科上学习一些高级课程将是一个非常不错的起点。