Um wieder ein maschinelles Lerningenieur zu werden, ist dies der genaue Prozess, den ich folgen würde.

Lass uns darauf eingehen!

Werden Sie zuerst Datenwissenschaftler oder Software program -Ingenieur

Ich habe es schon einmal gesagt, aber ein maschinelles Lerningenieur ist nicht gerade eine Einstiegsposition.

Dies liegt daran, dass Sie Fähigkeiten in so vielen Bereichen benötigen:

• Statistiken
• Mathematik
• Maschinelles Lernen
• Software program -Engineering
• DevOps
• Wolkensysteme

Sie müssen sicherlich kein Experte in allen sein, aber Sie sollten solide Kenntnisse haben.

Maschinenlernende Ingenieure sind heutzutage wahrscheinlich der höchste technische Job. Entsprechend LevelsfyiDie durchschnittlichen Gehälter in Großbritannien sind:

• Maschinenlerningenieur: £ 93.796
• AI -Forscher: £ 83.114
• AI -Ingenieur: £ 75.379
• Datenwissenschaftler: £ 71.005
• Software program -Ingenieur: £ 83.168
• Dateningenieur: £ 69.475

Levelsfyi ist im Allgemeinen am oberen Ende, da die Unternehmen auf ihrer Web site häufig große Technologieunternehmen sind, die in der Regel höhere Gehälter zahlen.

In diesem Sinne heißt das nicht, dass Sie keinen Arbeitsplatz für maschinelles Lernen direkt aus der Universität oder dem Faculty landen können. Es ist einfach sehr selten und ich habe es kaum gesehen.

Wenn Sie den richtigen Hintergrund haben, wie z. B. einen Grasp oder einen Doktor in CS oder Mathematik, der sich auf KI/ML konzentriert, erhalten Sie viel wahrscheinlicher eine allgemeine Rolle des maschinellen Lernens, aber kein maschinelles Lernen.

Für die Mehrheit der Menschen empfehle ich, dass Sie zuerst ein paar Jahre lang Datenwissenschaftler oder Software program -Ingenieur werden und dann ein Ingenieur für maschinelles Lernen werden.

Genau das habe ich getan.

Ich struggle 3,5 Jahre lang Datenwissenschaftler und überging dann zu einem Ingenieur für maschinelles Lernen, und dieser Weg ist bei maschinellen Lerningenieuren in meinem derzeitigen Unternehmen weit verbreitet.

Ob Sie Datenwissenschaftler oder Software program -Ingenieur werden, liegt bei Ihnen und Ihrem Hintergrund und Ihrer Fähigkeiten.

Entscheiden Sie additionally, welche Rolle für Sie am besten geeignet ist, und versuchen Sie dann, einen Job in diesem Bereich zu landen.

Es gibt so viele Software program -Ingenieur- und Datenwissenschaftler -Roadmaps im Web. Ich bin sicher, Sie können leicht einen finden, der zu Ihrer Lernweise passt.

Ich habe ein paar Datenwissenschaft Diejenigen, die Sie unten überprüfen können.

Wenn ich 2025 anfangen würde, Information Science zu lernen, würde ich das tun
Wie ich meine Datenwissenschaft effektiver lernen würde

Wie würde ich Datenwissenschaftler werden (wenn ich von vorne anfangen müsste)
Roadmap und Tipps, wie man einen Job in der Information Science bekommt

Arbeiten Sie an Projekten für maschinelles Lernen

Sobald Sie einen Job als Datenwissenschaftler oder Software program -Ingenieur haben, sollte Ihr Ziel sein, maschinelle Lernprojekte zu entwickeln und an der Produktion zu arbeiten.

Wenn in Ihrem derzeitigen Unternehmen eine Abteilung oder ein Projekt für maschinelles Lernen vorhanden ist, besteht der beste Ansatz darin, daran zu arbeiten.

Zum Beispiel ein Freund von mir, Arman Khondkerder den Publication leitet „Der KI -Ingenieur“ Ich empfehle Ihnen dringend, Sie zu überprüfen, und übergegangen von Software program -Ingenieur bei Tiktok zu Microsoft AI als Ingenieur.

Nach seiner zufolge Publication:

Bei Tiktok habe ich daran gearbeitet TIKTOK -Storewo ich eng mit dem zusammengearbeitet habe Algorithmus -Staff– einschließlich ML -Ingenieure und Datenwissenschaftler, die an der Empfehlungsmotor der FYP (für Ihre Seite) arbeiten.

Diese Erfahrung hat mir letztendlich geholfen Übergang in KI Vollzeit bei Microsoft übergehen.

Für mich struggle es jedoch umgekehrt.

Als Datenwissenschaftler möchten Sie mit Ingenieuren und Software program -Ingenieuren für maschinelles Lernen zusammenarbeiten, um zu verstehen, wie die Dinge für die Produktion eingesetzt werden.

In meinem früheren Unternehmen struggle ich ein Datenwissenschaftler, der Algorithmen für maschinelles Lernen entwickelte, sie aber nicht unabhängig voneinander an die Produktion versandte.

Additionally fragte ich, ob ich an einem Projekt arbeiten könne, bei dem ich ein Modell erforschen und mit wenig technischer Unterstützung einsetzen könnte.

Es struggle schwer, aber ich habe meine technischen Fähigkeiten viel gelernt und viel erweitert. Schließlich begann ich, meine Lösungen leicht für die Produktion zu versenden.

Ich wurde im Wesentlichen ein Ingenieur für maschinelles Lernen, obwohl mein Titel Datenwissenschaftler struggle.

Mein Rat ist, mit Ihrem Supervisor zu sprechen, Ihr Interesse an der Entwicklung maschinelles Lernens auszudrücken und zu fragen, ob Sie an einigen dieser Projekte arbeiten können.

In den meisten Fällen werden Ihr Supervisor und Ihr Unternehmen zuvorkommend sein, auch wenn es ein paar Monate dauert, um Sie einem Projekt zuzuweisen.

Noch besser, wenn Sie zu einem Staff wechseln können, das sich auf ein maschinelles Lernprodukt konzentriert, wie Empfehlungen zum Tiktok -Store, wird dies Ihr Lernen beschleunigen, da Sie ständig über maschinelle Lernen diskutieren werden.

Up-Ability in entgegengesetzten Fähigkeiten

Dies bezieht sich auf den vorherigen Punkt, aber wie ich bereits sagte, erfordern maschinelle Lerningenieure eine umfangreiche Wissensaufgabe, sodass Sie sich in den Bereichen, in denen Sie schwächer sind, auf den neuesten Stand bringen müssen.

Wenn Sie Datenwissenschaftler sind, sind Sie in technischen Bereichen wie Cloud -Systemen, DevOps und Schreibproduktionscode wahrscheinlich schwächer.

Wenn Sie Software program -Ingenieur sind, sind Sie wahrscheinlich schwächer in Bezug auf Mathematik, Statistik und maschinelles Lernen.

Sie möchten die Bereiche finden, auf die Sie sich verbessern müssen, und darauf konzentrieren Sie sich.

Wie wir bereits zuvor besprochen haben, besteht der beste Weg, ihn in Ihren Tagesjob zu binden. Wenn dies jedoch nicht möglich ist oder Sie Ihr Wissen beschleunigen möchten, müssen Sie in Ihrer Freizeit studieren.

Ich weiß, dass einige Leute das vielleicht nicht mögen, aber Sie müssen die zusätzlichen Stunden außerhalb der Arbeit einsetzen, wenn Sie einen Job im höchsten bezahlten Tech -Job bekommen möchten!

Ich habe dies geschrieben, indem ich Blogs über Software program -Engineering -Konzepte, Datenstrukturen und Algorithmen geschrieben und mein Schreiben von Produktionscode in meiner Freizeit verbessert habe.

Entwickeln Sie eine Spezialität im maschinellen Lernen

Eine Sache, die mir wirklich geholfen hat, struggle, einen Spezialismus innerhalb des maschinellen Lernens zu entwickeln.

Ich struggle ein Datenwissenschaftler, der sich auf Zeitreihenprognosen- und Optimierungsprobleme spezialisiert hatte, und ich habe eine auf Optimierung und klassischen maschinelles Lernen spezialisierte Rolle für maschinelles Lernen in einem Ingenieur in Anspruch genommen.

Einer der Hauptgründe, warum ich meine Rolle für das maschinelle Lernen ingenieurig bekam, struggle, dass ich ein tieferes Verständnis der Optimierung hatte als die durchschnittliche Individual für maschinelles Lernen. Das struggle meine Kante.

Das maschinelle Lerningenieurrollen sind im Allgemeinen auf einen Spezialismus ausgerichtet, sodass ein oder ein paar Bereiche sehr intestine wissen, dass Sie Ihre Chancen erheblich steigern.

In Armans Fall kannte er die Empfehlungssysteme ziemlich intestine und auch, wie sie Finish-to-Finish in Maßstab bereitstellen. Er sagte das sogar selbst in seinem Publication:

Diese Arbeit gab mir Erfahrung aus erster Hand mit:

-Großflächen Empfehlungssysteme

-AI-gesteuert Rating und Personalisierung

-Finish-to-Finish ML -Bereitstellungspipelines

Ich empfehle additionally, in einem Staff zu arbeiten, das sich auf einen bestimmten Bereich für maschinelles Lernen konzentriert, aber um ehrlich zu sein, ist dies in den meisten Unternehmen häufig der Fall, sodass Sie nicht zu sehr darüber nachdenken müssen.

Wenn Sie in Ihrem Unternehmen nicht an Projekten für maschinelles Lernen arbeiten können, müssen Sie erneut außerhalb der Stunden studieren. Ich empfehle immer, zuerst die Grundlagen zu lernen, aber denken Sie dann wirklich an die Bereiche, die Sie erforschen und Deeep lernen möchten.

Im Folgenden finden Sie eine umfassende Liste von Spezialisten für maschinelles Lernen, um sich inspirieren zu lassen:

• Verarbeitung natürlicher Sprache (NLP) und LLMs
• Laptop Imaginative and prescient
• Verstärkungslernen
• Zeitreihenanalyse und Prognose
• Anomalieerkennung
• Empfehlungssysteme
• Spracherkennung und Verarbeitung
• Optimierung
• Quantitative Analyse
• Tiefes Lernen
• Bioinformatik
• Ökonometrie
• Geospatial Evaluation

Normalerweise empfehle ich, 2 bis 3 in anständiger Tiefe zu wissen, aber es ist in Ordnung, es in Ordnung zu bringen, wenn Sie bald wechseln möchten. Sehen Sie jedoch nach, ob eine ausreichende Nachfrage nach dieser Fähigkeit besteht.

Nachdem Sie ein Ingenieur für maschinelles Lernen geworden sind, können Sie im Laufe der Zeit mehr Spezialisten entwickeln.

Ich empfehle Ihnen auch einen ganzen Artikel, wie Sie sich auf maschinelles Lernen spezialisiert haben.

So spezialisiert man sich auf Datenwissenschaft / maschinelles Lernen
Ist es besser, Generalist oder Spezialist zu sein??

Beginnen Sie als Ingenieur für maschinelles Lernen

In Tech -Unternehmen wird häufig angegeben, dass Sie 3 bis 6 Monate lang auf dem oben genannten Niveau tätig sein sollten.

Gleiches gilt für Sie, wenn Sie ein Ingenieur für maschinelles Lernen sein möchten.

Wenn Sie Datenwissenschaftler oder Software program -Ingenieur sind, sollten Sie sich so sehr wie möglich anstrengen, um wie ein Ingenieur für maschinelles Lernen in Ihrem derzeitigen Unternehmen zu werden.

Wer weiß, sie ändern möglicherweise sogar Ihren Titel und bieten Ihnen den Job für maschinelles Lernen an Ihrem aktuellen Arbeitsplatz! (Ich habe das passiert.)

Was ich hier wirklich bekomme, ist der Identitätsschalter. Sie möchten denken und sich wie ein maschinelles Lerningenieur verhalten.

Diese Denkweise hilft Ihnen dabei, mehr zu lernen und sich besser für Interviews für maschinelles Lernen zu rahmen.

Sie werden dieses Vertrauen und eine Reihe nachweisbarer Projekte haben, die Auswirkungen haben.

Sie können immer sagen: „Ich bin im Grunde genommen ein Ingenieur für maschinelles Lernen in meinem derzeitigen Unternehmen.“

Ich habe das getan und der Relaxation ist Geschichte, wie sie sagen.

Eine andere Sache!

Treten Sie meinem kostenlosen Publication bei, Die Daten vergebenwo ich wöchentliche Tipps, Erkenntnisse und Ratschläge aus meiner Erfahrung als praktizierender Ingenieur für maschinelles Lernen teile. Außerdem werden Sie als Abonnent meine bekommen Kostenlose Information Science -Lebenslauf -Vorlage!

Verschieben der Daten | Egor Howell | Substanz
Ratschläge und Erkenntnisse zu Information Science, Tech und Unternehmertum. Klicken Sie hier, um die Daten zu lesen, von Egor Howell, einem…Publication.egorhowell.com

Verbinde mich mit mir