当我第一次申请l时,我想同时成为一名自由职业者和一名“真正的ML工程师”。
在此之前,我在Nordeus担任机器学习工程师,Nordeus是一家顶级移动游戏公司,以其旗舰游戏TopEleven上有穆里尼奥的脸而闻名。我在Nordeus的机器学习经历包括设计和实现一个智能系统,以帮助客户支持团队更快地解决玩家问题。它的本质是从大量的历史球员门票和代理决议中构建一个文本分类器。
我考虑了整个系统,数据(至少我是这么想的),以及对GPU的访问。从纸面上看,一切似乎都对我来说刚刚好,可以展示一个伟大的模型和一个更好的解决方案。
但这从未发生过。令我绝望的是,我花了一个多月的时间才意识到,我试图用来训练我的监督模型的数据集已经非常糟糕了。在意识到这一点之前,我花了数不清的时间和Jupyter笔记本试图让整个事情运转起来。我工作太忙了,抽不出时间看资料。我们可以说我缺乏经验没有帮助。
在这个失败的项目三个月后,我决定辞去工作,在Toptal开始我的自由职业之路。经过几轮面试和技术筛选,我进入了最后一轮。猜猜看?我得解决一个机器学习作业。几乎和我以前失败的那个一模一样。我有一周的时间来完成它。
很难描述那一周我不得不与之作斗争的消极自我谈话的数量。冒名顶替综合症的长长的阴影迷惑了我的头脑。
这一章有一个圆满的结局。我很好地解决了这个问题,我进入了托普塔尔。三年10个项目后,我可以说我处理冒名顶替综合症好多了。
勇敢是对你帮助最大的事情。自由职业者是勇敢的。如果你想了解更多,请查看我以前关于如何成为自由数据科学家的文章。
当你作为自由职业者/承包商工作时,来自你工作的反馈不会出现在季度或年度审查中。它每天都来。没有办法破解。客户期望您提供质量和快速。顺便说一句,这就是为什么你会比在目前的工作中得到更好的报酬的主要原因。
一旦你觉得你已经掌握了ML的基本原理,就把自己放在拳击台上。考验你自己。你很聪明,你能做到。参加更多的在线课程并不能让冒名顶替综合症消失。相信我.
IMHO排名前2的自由职业平台是
由于数据(大写字母,是的),ML工程比传统软件工程更难。
很少有机会给你一套完整的特性和标签来构建你的ML模型。相反,您通常需要自己生成训练数据。在这个意义上,我遇到的最常见的问题是:
数据是推动所有模型的神奇成分,从简单的线性回归到巨大的变压器模型。如果燃料不好,你开哪辆车都无关紧要。你不打算搬家。
这听起来如此琐碎和愚蠢,以至于我们(我包括我自己)ML工程师有一种令人惊讶的忘记的倾向。当您获得更多构建ML解决方案的经验时,您会更好地记住这一点,并在遇到问题时返回数据。
不能使用Stackoverflow调试数据集。你一个人在那里。你需要改变你的心态。你必须表现得像个解决问题的人。您需要了解数据集,最好的方法是将其可视化。我个人喜欢Tableau Desktop,但也有其他选择,如Power BI、Apache Superset等。如果您愿意,甚至还有Python库,如SweetViz。
无论您喜欢哪种工具,每次卡住时都要返回数据。
机器学习是一个涵盖广泛技术复杂性的领域:软件开发、操作化(MLOps)、经典ML、深度学习的前沿研究、硬件优化…
如果你试图掩盖一切,你会失去焦点,在表面上游荡太多。了解ML中的某些内容意味着您已经自己实现了它。句号。
例如,跟上DL的最新进展是非常棒的。但要有原则地去做。为自己设定一个明确的目标(例如,我想成为变压器模型的专家),并为自己建立一条通往该目标的道路,选择相关的论文、图书馆、网络研讨会,甚至会议。
从一个话题跳到另一个话题让你很忙但注意力不集中。保持谦逊。从小处着手,集中精力。一旦你到达那里,迈出下一步,征服另一个领域。
克服你的恐惧是每天(全职)的工作。不仅仅是在机器学习中,而是在你生活的每个方面,在这些方面你希望明天成长和变得更好。
数据分析咨询请扫描二维码
数据分析需要学习的内容非常广泛,涵盖了从理论知识到实际技能的多个方面。以下是数据分析所需学习的主要内容: 数学和统计学 ...
2024-11-24数据分析师需要具备一系列多方面的技能和能力,以应对复杂的数据分析任务和业务需求。以下是数据分析师所需的主要能力: 统计 ...
2024-11-24数据分析师需要学习的课程内容非常广泛,涵盖了从基础理论到实际应用的多个方面。以下是根据我搜索到的资料整理出的数据分析师需 ...
2024-11-24《Python数据分析极简入门》 第2节 6 Pandas合并连接 在pandas中,有多种方法可以合并和拼接数据。常见的方法包括append()、conc ...
2024-11-24《Python数据分析极简入门》 第2节 5 Pandas数学计算 importpandasaspdd=np.array([[81,&n ...
2024-11-23数据分析涉及多个方面的学习,包括理论知识和实践技能。以下是数据分析需要学习的主要方面: 基础知识: 数据分析的基本概念 ...
2024-11-22数据分析适合在多个单位工作,包括但不限于以下领域: 金融行业:金融行业对数据分析人才的需求非常大,数据分析师可以从事经 ...
2024-11-22数据分析是一种涉及从大量数据中提取有用信息和洞察力的过程。其工作内容主要包括以下几个方面: 数据收集与整理:数据分析师 ...
2024-11-22数据分析师需要掌握多种技能,以确保能够有效地处理和分析数据,并为业务决策提供支持。以下是数据分析师需要掌握的主要技能: ...
2024-11-22数据开发和数据分析是两个密切相关但又有所区别的领域。以下是它们的主要区别: 定义和目标: 数据开发:数据开发涉及数据的 ...
2024-11-22数据架构师是负责设计和管理企业数据架构的关键角色,其职责涵盖了多个方面,包括数据治理、数据模型设计、数据仓库构建、数据安 ...
2024-11-22数据分析师需要具备一系列技能,以确保能够有效地处理、分析和解释数据,从而支持决策制定。以下是数据分析师所需的关键技能: ...
2024-11-22数据分析师需要具备一系列技能,以确保能够有效地处理、分析和解释数据,从而支持决策制定。以下是数据分析师所需的关键技能: ...
2024-11-22数据分析师需要具备一系列的技能和能力,以确保能够有效地处理、分析和解释数据,从而支持业务决策。以下是数据分析师所需的主要 ...
2024-11-22需求持续增长 - 未来数据分析师需求将持续上升,企业对数据驱动决策的依赖加深。 - 预测到2025年,中国将需要高达220万的数据人 ...
2024-11-22《Python数据分析极简入门》 第2节 4 Pandas条件查询 在pandas中,可以使用条件筛选来选择满足特定条件的数据 importpanda ...
2024-11-22数据分析师的工作内容涉及多个方面,主要包括数据的收集、整理、分析和可视化,以支持商业决策和问题解决。以下是数据分析师的一 ...
2024-11-21数据分析师必须掌握的技能可以从多个方面进行归纳和总结。以下是数据分析师需要具备的主要技能: 统计学基础:数据分析师需要 ...
2024-11-21数据分析入门的难易程度因人而异,总体来看,入门并不算特别困难,但需要一定的学习和实践积累。 入门难度:数据分析入门相对 ...
2024-11-21数据分析是一项通过收集、整理和解释数据来发现有用信息的过程,它在现代社会中具有广泛的应用和重要性。数据分析能够帮助人们更 ...
2024-11-21