機械学習のキャリアへの切り替え[終了]

私の仕事は、昔ながらのソフトウェア開発です。また、CSで修士号を取得しています（パートタイム、コースベース）。AIのコースを受講したところ、機械学習は非常に魅力的でしたが、ほとんどのコースと同様に基本的なイントロだけを提供しました。

私は機械学習についてさらに学び、可能であればその分野で仕事をするつもりです。この分野の求人を見ると、機械学習の博士号（またはかなりの専門知識を持つ分野での以前の経験）がそれらのほとんどに必要であることは明らかです。

業界で役立つ経験を積むために、自己学習に関するアドバイスを探しています。少なくとも、自分の足を踏み入れるのに十分な経験。教科書や論文などを読むなどの明白なことをします。おそらく、私が参加できるオープンソースの取り組みや、自分でできることはありますか？

ここで私があいまいになっている場合はおologiesびしますが、同様の切り替えを行ってアドバイスできる人が少なくとも数人いることを願っています。

ありがとう！

機械学習は魅力的な分野です。私自身、機械学習に重点を置いて大学を卒業しようとしていますが、まもなく一般的な分野の仕事を探しています。私はそれについてどうやって進むのかもよくわかりませんでした。

しかし、一般的な機械学習は非常に広い分野です。もっと具体的にすることをお勧めします。機械学習を含むどの分野に最も関心がありますか？以下から選択できます。

• 音声認識/自然言語処理
• 画像/ビデオ処理/コンピュータービジョン
• 医療システム
• 不正検出
• サーチエンジン
• 人間とコンピューターのインターフェース
• ...

これらのすべてのフィールドには、機械学習技術が含まれます（可能）。

私の経験では、ほとんどの一般的な機械学習コースでは、次の2つの理由から多くの技術の基本を紹介するだけです。

1. 先ほど言ったように、フィールドは広すぎてどこにでも深く入り込むことはできません
2. ほとんどの技術は、実際のアプリケーションと組み合わせた場合にのみ意味をなします

私は自分の研究でSVMを使用しなければならなかったので、SVMを実際に盗んだことはありませんでした。音声処理の仕事をするまで、HMMで使用されるさまざまなアルゴリズムを本当に理解したことはありませんでした。

そして、仕事を探すとき、私はそれが似ていると思います：企業は、機械学習の一般的な分野よりも、彼らが働いている特定の分野で経験/知識を持つ人々を探す可能性が高いです。機械学習の仕事は、研究/博士/ポスドクの職種である可能性が高くなります。

機械学習の実用的なアプリケーションとしての自然言語処理

私はフルタイムで働いており、計算言語学（別名NLP、自然言語処理）修士課程でパートタイムを勉強しています。この分野には、音声認識、ドキュメント分類などのための機械学習がたくさんあります。重要なのは、数学、統計、および論理表記法の強固な基盤です。これらの分野のクラスを受講して、卒業前に学習（または知識の強化）してください。これらのトピックを独力で学習するのは難しい場合があります。

本

また、他の多くのCS分野とは異なり、機械学習の分野は実務家と理論家の間でしっかりと分かれています。実践者は機械学習をツールとして使用しますが、理論家は機械学習方法を証明し改善したいと考えています。結果として生じる問題は、機械学習に関する本は、通常、Hastieの本のように理論​​家の観点から書かれているということです。私が見つけた唯一の開業医の本は、基本的な概念をカバーするSegaranの「Programming Collective Intelligence」です。私はまだ、SVM、PCCMなどに関する優れた実務家の本を見つけていません。

機械学習には膨大な確率と統計があるため、これらの科目でいくつかの高度なコースを受講することは、開始するのに最適な場所です。