來源｜AI科技評論

如今，越來越多的人希望入行人工智能，而進入AI領(lǐng)域的直接途徑是從事機器學(xué)習(xí)職業(yè)。

但是，機器學(xué)習(xí)從業(yè)人員應(yīng)該怎么規(guī)劃職業(yè)？造就成功的機器學(xué)習(xí)職業(yè)生涯有哪些關(guān)鍵因素？

作為曾在多個著名企業(yè)和學(xué)術(shù)機構(gòu)擔任實驗室負責人的“老司機”，吳恩達可謂經(jīng)驗豐富，他就以上問題給出了出色的建議，帶你穩(wěn)步上車。

他特別提到了編程技能、實踐應(yīng)用、持續(xù)學(xué)習(xí)和深入某個領(lǐng)域的重要性，此外，他認為團隊比公司更重要，要在職業(yè)生涯中“從事一份你不會厭倦的工作”，最后他還指出了在職業(yè)生涯中需要避免的幾個誤區(qū)。

計算機視覺工程師Richmond Alake曾經(jīng)將吳恩達CS230深度學(xué)習(xí)課程中關(guān)于如何閱讀論文的建議整理成文章，發(fā)表在Medium上，非常受歡迎。本文是他從吳恩達的多個斯坦福大學(xué)講座取材寫成的文章，AI科技評論對文章進行了編譯。

本文包含四部分內(nèi)容：

1、如何找到機器學(xué)習(xí)工作

2、成功的AI從業(yè)者模式

3、如何選擇工作

4、機器學(xué)習(xí)生涯需要避免的誤區(qū)

注：本文適用于大多數(shù)處于不同職業(yè)階段的機器學(xué)習(xí)從業(yè)者。

機器學(xué)習(xí)系的學(xué)生在完成學(xué)術(shù)研究后，通常會從事相關(guān)工作，或繼續(xù)讀博。我在獲得機器學(xué)習(xí)理學(xué)碩士學(xué)位后，幾乎立即找到了相關(guān)工作。

通常，有兩種類型的公司會招聘AI相關(guān)人才，大型科技公司（例如Facebook，Google）或創(chuàng)業(yè)公司。

吳恩達提到，無論朝哪個方向走，都必須確保自己從事的是重要且有意義的工作。

我們首先了解如何找到工作。

如何找到機器學(xué)習(xí)工作

機器學(xué)習(xí)工作競爭激烈，但是招聘公司心目中的理想候選人是什么呢？

吳恩達擁有多年AI團隊工作的經(jīng)驗，他曾經(jīng)擔任谷歌大腦團隊的負責人，斯坦福人工智能實驗室的負責人，以及百度約1200人的AI團隊的總負責人。

他給公司就招聘AI人才提出了以下建議，這同時也是我們在求職前需要具備的能力。

1、編程技能

機器學(xué)習(xí)研究工作要求個人至少已經(jīng)掌握平均水平的編程技能。

程序員平均需要了解兩到三種編程語言，并且都達到中級水平。

機器學(xué)習(xí)從業(yè)人員需要具備編程技能，并且能夠理解一系列常用的編程語言，例如Python、Java、JavaScript和R。

為什么需要擁有多種語言的實踐經(jīng)驗?zāi)兀?/span>

以我為例，我目前擔任計算機視覺工程師，需要使用三種不同的編程語言。我用Python實現(xiàn)模型（TensorFlow）和編寫腳本；也用javascript實現(xiàn)模型（tfjs）；最后，為了將模型和計算機視覺技術(shù)集成到iOS應(yīng)用程序中，還需要將Swift語言用于iOS應(yīng)用程序開發(fā)。

2、技術(shù)問題理解能力

通過簡歷審查這一關(guān)后，接下來是面試。在兩個面試階段，都會涉及機器學(xué)習(xí)相關(guān)的問題。面試官可能會讓你解釋梯度下降變體之間的差異；或描述新型神經(jīng)網(wǎng)絡(luò)架構(gòu)的獨特特征。

3、實際應(yīng)用理論知識的能力

在面試之前，你可能已經(jīng)在學(xué)術(shù)機構(gòu)中度過了幾年，并且習(xí)慣了大學(xué)的基于理論的考核方式。

而招聘公司想要的理想候選人，不僅要了解機器學(xué)習(xí)理論，而且可以實際應(yīng)用概念、技術(shù)和思想。

例如，你首先需要在概念上理解批歸一化的好處，但要在競爭中脫穎而出，還得學(xué)會使用Jupyter notebook或GitHub repo，并有一定的作品量，附帶作品集是展示技術(shù)、創(chuàng)意和解決問題能力的好方法。

4、持續(xù)學(xué)習(xí)的能力

在機器學(xué)習(xí)領(lǐng)域，每天都會有新技術(shù)出現(xiàn)，新的工具和庫層出不窮，并且每月都會有大量研究論文發(fā)表。

入行機器學(xué)習(xí)，你需要擁有持續(xù)學(xué)習(xí)的能力。

在深度學(xué)習(xí)領(lǐng)域，經(jīng)常會出現(xiàn)新的神經(jīng)網(wǎng)絡(luò)，在特定計算機視覺任務(wù)上實現(xiàn)SOTA性能。

招聘公司希望員工不滿足當前的職位，不停追求成長。機器學(xué)習(xí)從業(yè)人員通常在AI行業(yè)中處于新興技術(shù)的最前沿。

成功的AI從業(yè)者模式

AI涵蓋了很多子領(lǐng)域，例如機器學(xué)習(xí)、自然語言處理、語音識別、神經(jīng)網(wǎng)絡(luò)、計算機視覺、圖像處理等等。

根據(jù)吳恩達的說法，成功的AI從業(yè)者學(xué)習(xí)AI子領(lǐng)域時都采用“T”形方法。

也就是說，廣泛地學(xué)習(xí)AI的大部分子領(lǐng)域的基礎(chǔ)知識，然后深入學(xué)習(xí)某些領(lǐng)域的專業(yè)知識。

以我自己為例，我通過學(xué)習(xí)獲得了AI主要子領(lǐng)域的基礎(chǔ)知識。然后我通過寫論文、做個人項目和發(fā)展職業(yè)道路，專注于三個主要領(lǐng)域，分別是計算機視覺、自然語言處理和深度學(xué)習(xí)。

學(xué)校會在機器學(xué)習(xí)的教學(xué)中介紹各個子領(lǐng)域的基礎(chǔ)知識，而學(xué)生要通過選修課程、論文和課程學(xué)習(xí)獲得深入理解。

在完成了機器學(xué)習(xí)、計算機視覺和機器人學(xué)的學(xué)位課程的所有必修課程后，我獲得了AI主要子領(lǐng)域的基礎(chǔ)知識。

完成大學(xué)之后的AI領(lǐng)域知識

以下是我完成大學(xué)課程之后，從事項目并開始工作的“T”形知識路徑的示例。我已經(jīng)走在“T形”方法的學(xué)習(xí)之路上，我的專業(yè)是深度學(xué)習(xí)，這是計算機視覺的一個子領(lǐng)域。

由于子領(lǐng)域的重疊，你在深入學(xué)習(xí)的時候可以在神經(jīng)網(wǎng)絡(luò)、機器學(xué)習(xí)、NLP和圖像處理等其它子領(lǐng)域獲得更多的知識。

就我個人而言，要想成為深度學(xué)習(xí)和計算機視覺方面的專家，還有很長的路要走，下圖是我目前成就的幾個“T形”。

完成學(xué)位論文并開始職業(yè)生涯后的AI領(lǐng)域知識

專業(yè)知識

吳恩達認為，專業(yè)知識的構(gòu)成如下：

• 項目

• 開源貢獻

• 研究

• 合作

再提醒一次，在特定的領(lǐng)域從事個人項目會加深你的知識和專業(yè)技能，讓你成為成功的人工智能從業(yè)人員，甚至擔任更加實戰(zhàn)型的職位。

如何選擇工作

吳恩達說，具備機器學(xué)習(xí)專業(yè)知識的個人是被市場所需的。

這使得擁有機器學(xué)習(xí)知識技能的人在求職時有更多的選擇，但也難免做出錯誤的決定。

以下是吳恩達給出的關(guān)于如何選擇工作、如何擁有快樂而有意義職業(yè)的建議。

和好團隊一起工作

吳恩達認為，選擇一個卓越的團隊是非常重要的。

在選擇團隊時，需要考慮以下因素：

• 影響
• 交流
• 成長

吳恩達建議，應(yīng)該在一個可以輕松與團隊成員互動的團隊中工作。一般來說，這樣的團隊包含10-30人。他建議關(guān)注團隊的努力程度，以及團隊成員的個性和職業(yè)道德是否能對你產(chǎn)生積極影響。

團隊中的個人往往是你大部分時間都會與之共度的人。根據(jù)行為科學(xué)研究，你的能力最終是與你相處時間最多的五個人中的平均值。

了解你的定位

在決定接受職位之前，請確保你了解這份工作。

通常情況下，招聘公告上職位描述并不反映實際工作所需的職能和責任的性質(zhì)。

有時候，工作崗位上的責任被大大夸大了，這可能會導(dǎo)致失望。

有時候，招聘公司低估了新員工的預(yù)期工作量，這可能會導(dǎo)致職業(yè)生涯過早枯竭。

避免失望和精疲力盡的最好方法是和你的直接上司談?wù)?，了解對任?wù)和交付時間的期望。

此外，與相似職位的團隊成員交談，并就他們的日?；顒犹岢鰡栴}。

忽略公司本身

當吳恩達第一次提到這一點時，我有些困惑。但在他進一步澄清之后，我才明白過來。

公司具有外部聲譽和認可度，這通常被稱為公司的品牌。公司的品牌通常是公司將自己傳達給外部世界的形象。問題在于，公司通常只會向外界展示最好的一面，這使得你在選擇公司時有點偏頗。

正如吳恩達所說，從一般經(jīng)驗來看，一家公司的品牌與你在公司的個人經(jīng)歷之間的相關(guān)性很弱。

在選擇AI職位時，考慮團隊比選擇公司更重要，這個結(jié)論幾乎對任何一個行業(yè)工作都適用。

例如，石油公司和醫(yī)療中心的圖像分類機器學(xué)習(xí)項目的區(qū)別僅僅是用于訓(xùn)練機器學(xué)習(xí)模型的數(shù)據(jù)集及其應(yīng)用不同。機器學(xué)習(xí)技能可以跨行業(yè)遷移。

對工作機會保持期待，考慮長期目標

人類是受內(nèi)在和外在因素激勵的生物，當兩者都缺乏時，我們就會開始感到遺憾、擔憂，有時甚至?xí)萑胍钟魻顟B(tài)。

吳恩達直截了當?shù)卣f：“從事一份你不會厭倦的工作”。

倉促行事不一定是最好的主意。

在找工作的過程中，我收到了幾份看起來很不錯的offer，但需要一定程度的個人犧牲，我不愿意接受。

此外，我拒絕的一些職位在短期內(nèi)可能聽起來很不錯，但考慮到我未來十年的職業(yè)生涯，它們并不是最好的選擇。

我渴望在一家成功的公司里成為一名人工智能團隊領(lǐng)導(dǎo)，這需要我比平常更快更深地投入。因此，提升空間有限、沒有明顯影響力的大團隊不是最好的選擇。而能提供自主性和學(xué)習(xí)環(huán)境的初創(chuàng)公司工作可以讓我的職業(yè)發(fā)展和成長更快。

一般來說，你要選擇一個最適合個人目標和長遠發(fā)展的職位。

機器學(xué)習(xí)生涯需要避免的誤區(qū)

成為AI“萬事通”

從事AI行業(yè)不一定要成為“萬事通”，對AI的所有子領(lǐng)域都擁有淺薄的知識并不能確保在AI或機器學(xué)習(xí)的職業(yè)生涯上獲得成功。

從長遠來看，專注于某個領(lǐng)域是有回報的，尤其是在像AI這樣的領(lǐng)域，專業(yè)性是必須的。

缺乏耐心

在機器學(xué)習(xí)等快速發(fā)展的領(lǐng)域中，我們幾乎總會感覺到自己不能足夠快地吸收信息。

通過觀察那些擁有長期成功事業(yè)的人，我意識到：在任何一個AI子領(lǐng)域中，建立真正的技能和專業(yè)知識都是需要時間的。

沒有實質(zhì)性項目

擁有項目經(jīng)驗或作品集對發(fā)展機器學(xué)習(xí)事業(yè)有很多好處。然而，你的作品集必須有足夠的可復(fù)現(xiàn)性才能打動面試官。為了打造有足夠影響力的作品，需要大量的精力和時間。

10個平庸的項目比不上2-3個具有影響力的項目，質(zhì)量勝過數(shù)量。

結(jié)論

吳恩達在演講結(jié)束時提到了幾個關(guān)鍵要素，這些要素有助于個人在機器學(xué)習(xí)領(lǐng)域取得長期成功的職業(yè)生涯，分別是：

• 在可促進學(xué)習(xí)的良好環(huán)境中工作；
• 做有實際意義的項目，也就是說，以提高他人生活質(zhì)量為目的開展業(yè)務(wù)；
• 做出有助于個人目標的決定，這將為取得長期成功奠定基礎(chǔ)。

via https://towardsdatascience.com/how-to-navigate-a-career-in-machine-learning-according-to-andrew-ng-stanford-lectures-9e10f09047f0

往期精彩：

【原創(chuàng)首發(fā)】機器學(xué)習(xí)公式推導(dǎo)與代碼實現(xiàn)30講.pdf

【原創(chuàng)首發(fā)】深度學(xué)習(xí)語義分割理論與實戰(zhàn)指南.pdf

喜歡您就點個在看！