Исследование моего перехода от полной занятости к магистратуре искусственного интеллекта.
На самом деле я соврал в названии - вздох, у меня не было степени магистра машинного обучения. Это было в разделе Компьютерное зрение, машинное обучение и космическая робототехника.
Указание точного курса может добавить к пониманию сложности степени… а может и нет. Гении могут подумать: «звучит как прогулка в парке», но уверяю вас, что это не так.
Предыстория
В декабре я написал статью, в которой подчеркивал мой отказ от должности в области науки о данных, на которую я подавал заявку. Для тех, кому интересно, в конце статьи помещу ссылку.
Моя статья о моем отказе разошлась (на Medium), и несколько человек связались со мной через LinkedIn и спросили, как прошел мой опыт получения степени магистра в области машинного обучения, и, что более важно, стоит ли оно того?
Я сэкономлю вам время и силы и сообщу, что наличие высокой квалификации или степени в многообещающих и развивающихся областях, таких как машинное обучение, абсолютно того стоит.
Исходя из своего опыта, я заметил, что не только работодатели требуют опыта в определенной области; они также требуют подтверждения квалификации (-ий).
Наличие практических и теоретических знаний о нейронных сетях или детального понимания работы обратного распространения позволяет вам быть выше конкурентов.
Но я отвлекся от основного момента в этой статье и вернусь к тому, что я не был готов к получению степени магистра в области машинного обучения.
Самоуверенность
Тем, кто знаком с излишней уверенностью, мы знаем, что она бывает разных форм.
Для меня это было в двух формах.
Во-первых, у меня была чрезмерная уверенность в себе, когда я получил степень бакалавра в области программной инженерии (BSc). В то время казалось, что все, что касается жизненного цикла разработки программного обеспечения, сходилось. Разработка, внедрение и тестирование программных приложений стали моей второй натурой, поскольку я проходил через этот процесс снова и снова.
Эта легкость разработки программного обеспечения впоследствии отразилась на моей четырехлетней карьере веб-разработчика. Я знал, как разработать пользовательский интерфейс веб-сайта, поддерживаемый хорошо продуманной серверной системой с API-интерфейсами и подключенной системой баз данных, которая размещалась на платформе хостинга, такой как Amazon. Легко, правда?
Я ошибочно полагал, что машинное обучение придет ко мне так же легко, как и веб-разработка.
Боже, я был неправ. Мне это далось совсем непросто.
Моя вторая форма излишней самоуверенности возникла из-за недооценки сложности области машинного обучения в целом.
Моя наивность в отношении того, насколько сложным может быть машинное обучение, частично объяснялась яркими новостными статьями, в которых упоминалось, как «10 практикующий юрист стал специалистом по анализу данных за 3 месяца».
Вы не могли не заметить, как много шумихи было вокруг искусственного интеллекта.
Три месяца.
Моей ближайшей целью было изучить машинное обучение за три месяца. Итак, я купил эту книгу.
Для тех, кто не знаком с этой книгой, допустим, что вы даете книгу по математическому анализу ребенку в начальной школе; или как научиться чинить велосипед, прочитав книгу о ракетных кораблях - я здесь преувеличиваю, но вы понимаете.
Терминология и уравнения в этой книге казались мне совершенно другим языком. И некоторые из них до сих пор сохраняются.
Честно говоря, содержание этой книги меня напугало, и в результате я связал изучение машинного обучения с одной из самых сложных задач на планете.
Забегая вперед, я должен признать, что эта книга очень важна для всех, кто желает серьезно относиться к машинному обучению. Эта книга предназначена для тех, кто хочет выйти за рамки фреймворков, API и библиотек.
Я думал, что машинное обучение будет проще простого, но оказалось, что это больше похоже на торнадо.
Совет: начните с малого, если вы приступаете к изучению машинного обучения. Вот ресурс для начинающих:
Неподготовленность
Моя излишняя самоуверенность привела к недостаточной подготовке к получению степени.
Сначала была математика, затем эссе и, наконец, интенсивное обучение - пробуждение и сон в библиотеке.
К сожалению, мы с математикой никогда не были лучшими друзьями в моей академической карьере. И получить степень магистра тоже не было исключением. Хотя если вы были сильны в математике или статистике в старших классах или бакалавриате, то математика, связанная с машинным обучением, могла бы совсем не показаться сложной.
Для меня все было наоборот; Мне понравилось узнавать об обратном распространении, но тогда находить частные производные функций было неинтересно. Но так должно было быть.
После трех лет работы я привык сидеть часами подряд, чтобы уложиться в срок.
Но степень магистра требовала большего.
Мне пришлось в четыре раза увеличить свою концентрацию, концентрацию и уровень внимания. Это было сложно, и я боролся за первую половину степени.
Концентрация стала для меня более комфортной, когда я погрузился в учебные группы, тихую комнату в библиотеках и использовал приложения для повышения производительности.
Совет. Если вам сложно положить телефон и держаться подальше от социальных сетей, используйте Лес:
Обучение по учебникам сильно отличается от поиска решений на StackOverflow.
Только после того, как я не успел проучиться на нескольких курсах магистратуры, я понял, что в университете у вас есть множество ресурсов.
Так что я проводил сеансы один на один с некоторыми из самых умных людей, которых я когда-либо встречал. И зашел в Интернет и обнаружил канал на YouTube, с которым знакомы многие инженеры по машинному обучению и специалисты по данным, 3Blue1Brown.
Наконец, написание эссе. Написание сочинений само по себе является навыком, и мне его очень не хватало. Конечно, я мог бы часами печатать на своем ноутбуке, но это только при отладке или внедрении кода. Написание рефератов - это другое дело.
Написание эссе - это то, чему я должен был научиться, регулярно практикуясь. Я не нашел в Интернете ресурсов, которые могли бы помочь вам получить навыки написания эссе, в частности, в области машинного обучения.
Совет. Практикуйтесь в написании и публикации статей на Medium, объясняющих темы и концепции машинного обучения. Это очень похоже на написание эссе в том смысле, что вы должны проводить исследования и писать красноречиво (иногда). Вот пример такой статьи ниже:
Уроки выучены
Не стоит недооценивать машинное обучение (или любую специальную степень)
Проще говоря, машинное обучение - это не шутка. Люди посвятили свою жизнь разработке тем и направлений машинного обучения, поэтому поверьте мне, когда я скажу вам, что вы не сможете освоить или изучить машинное обучение за три месяца. В лучшем случае вы могли бы знать некоторые из общих концепций, которые легко усвоить в течение небольшого периода времени.
Не стоит недооценивать свои способности
В этой статье я упоминал о своих недостатках. Тем не менее, я должен отдать должное самому себе, так как я, несмотря ни на что, сумел завершить и сдать свои магистры. И вы также должны отдать должное себе, если ранее преодолевали то, что считали невозможным в какой-то момент.
Не переоценивайте свои способности
Теперь, когда мы оба похлопали себя по плечу, пришло время смириться. Я бы не прошел через всю суматоху, которую пережил во время учебы в магистратуре, если бы просто подготовился должным образом. Мои способности в разработке программного обеспечения ослепили меня, и я ошибочно сравнил обучение машинному обучению с изучением новой инфраструктуры или библиотеки веб-разработки.
Ваш успех в какой-либо области не гарантирует успеха в другой области, даже если они могут быть связаны. Я знаю, это кажется очевидным, но нужно сказать.
Всегда полностью погружайтесь
Способность сохранять полную концентрацию и концентрацию в течение длительного периода следует честно считать сверхдержавой. В нынешнюю цифровую эпоху время и внимание - новое золото, и мобильные приложения на ваших устройствах оптимизированы, чтобы каждый раз привлекать ваше внимание.
Вам нужно восстановить самообладание и иметь возможность отключиться от Интернета. Отключение на час или около того и использование этого времени для сосредоточения на одной конкретной задаче в долгосрочной перспективе может оказаться плодотворным.
Умение сосредотачиваться и концентрироваться - это навык, который требует совершенствования, поэтому наберитесь терпения и начинайте с малого.
Заключение
Если вы зашли так далеко, будет честно, я скажу вам результат получения степени. Я сдал степень магистра и получил полезные знания по различным темам, связанным с искусственным интеллектом.
Что я нашел особенным для своего магистерского курса (так что это может быть не нормой), так это то, что вас не обучают практическим навыкам, таким как развертывание ваших моделей машинного обучения, настройка баз данных. Меня не учили стандартным библиотекам Data Science, таким как Sci-Kit Learn, Numpy и Pandas. Но всему этому вы можете научиться самостоятельно, самостоятельно.
Возможно, получение степени магистра необязательно для получения работы в области машинного обучения или смежных областях, но это поможет вам пройти через дверь.
А если у вас есть степень магистра в области машинного обучения и несколько интересных проектов / портфолио, у вас будет конкурентное преимущество, которого нет у других.
Вот ссылка на мою статью об отказе, как и обещано ниже, и если вам понравилась эта статья и вы хотите больше, дайте мне подписку.
Вот интересная статья от Дэвида Чонга, в которой он исследует реальность того, как выглядит машинное обучение / наука о данных после исследований.
