Sich mit maschinellem Lernen zu beschäftigen, dann ausgefallene Projekte durchzuführen und grundlegende Tutorials zu befolgen, ist wie der Versuch, ein Formel-1-Rennen in einem Go-Kart zu gewinnen.
Du wirst dich bewegen, aber du wirst nicht konkurrieren und schon gar nicht gewinnen.
Ich habe Hunderte von ML-Portfolios überprüft und Dutzende Kandidaten für echte Information Science- und ML-Rollen interviewt, und ich kann Ihnen Folgendes sagen: Die Leute, die eingestellt werden, bauen Projekte auf, die über Tutorials hinausgehen.
In diesem Artikel werde ich die genauen Arten von Projekten und Frameworks aufschlüsseln, die tatsächlich zu Vorstellungsgesprächen und Stellenangeboten führen.
Sie sind nicht einfach.
Aber genau deshalb funktionieren sie.
Reimplementieren Sie eine Forschungsarbeit
Denken Sie darüber nach.
Eine Forschungsarbeit zum maschinellen Lernen ist der Höhepunkt der mehrmonatigen Arbeit einiger der führenden Praktiker auf diesem Gebiet, zusammengefasst in wenigen Textseiten.
Der Wissensschatz dieser Arbeiten ist enorm.
Stellen Sie sich additionally vor, wie viel Sie lernen würden, wenn Sie diese Papiere selbst aufschlüsseln, analysieren und erneut umsetzen würden.
Es ist so, als würde man versuchen, ein Formel-1-Auto anhand von Bauplänen nachzubauen – man hat vielleicht nicht die gleichen Werkzeuge wie die ursprünglichen Ingenieure, aber wenn man jede Schraube und Mutter versteht, lernt man, wie die ganze Maschine funktioniert. Und wenn Sie endlich Ihre eigene Model zum Laufen bringen, werden Sie Rennen auf einem Niveau verstehen, das die meisten Menschen nie erreichen.
Durch die erneute Umsetzung einer Arbeit erlernen Sie viele Fähigkeiten:
- In der Lage sein, komplexe mathematische Zusammenhänge mit modernsten Modellen zu verstehen.
- In der Lage sein, anspruchsvolle Modelle mithilfe von Code von Grund auf oder mit einfachen Bibliotheken zu implementieren.
- In der Lage sein, kreativ zu denken und das eigene Wissen auf neue Ideen anzuwenden.
Und das Wesentliche daran ist, dass die Mehrheit, und ich meine quick 99 %, der Kandidaten dies nicht tun, sodass Sie sofort aus der Masse hervorstechen.
Allerdings ist es nicht einfach, und das kann ich Ihnen aus eigener Erfahrung sagen. Aber einfach wird man heutzutage nicht mehr eingestellt.
Wie Sie nun bei der Umsetzung des Papiers vorgehen, könnte einen ganzen Beitrag für sich umfassen, aber lassen Sie mich Ihnen die wichtigsten Schritte erläutern:
- Lesen Sie die Zeitung. Lesen Sie es dann noch einmal und immer wieder, bis Sie vollständig verstanden haben, was die Arbeit lösen wollte, welchen Algorithmus verwendet wurde, welche Daten verwendet wurden und warum die Ergebnisse signifikant waren und ob sie schockierend oder erwartet waren. Abhängig von Ihrer Erfahrung kann dies eine Weile dauern.
- Wenn Sie bestimmte Konzepte nicht verstehen, lernen Sie sie. Dies ist keine Zeitverschwendung, da Sie Ihre Wissenslücken aktiv schließen.
- Skizzieren/kodieren Sie die Excessive-Stage-Architektur, wie die Ein- und Ausgänge, das grobe Design des Gesamtsystems und die Struktur des ML-Modells.
- Beginnen Sie mit der Implementierung des einfachsten Teils und bringen Sie ihn zum Laufen.
- Erstellen Sie einen grob funktionierenden Prototyp.
- Optimieren Sie und versuchen Sie, die Ergebnisse zu reproduzieren.
Einige Papiere, die ich zur Implementierung empfehle:
Diese sind hauptsächlich im Deep-Studying-Bereich angesiedelt, aber Sie können auch Artikel finden, die für das Fachgebiet related sind, das Sie studieren möchten.
Einige nützliche Web sites zum Auffinden von Artikeln:
Lösen Sie Ihr eigenes Downside
„Welche Projekte soll ich bauen“?
Das ist die zweithäufigste Frage, die mir gestellt wird. Die erste ist, wie ich so gutaussehend geworden bin!
Die Sache ist die, dass die meisten Leute nicht verstehen, dass die Frage die falsche ist (die Projektfrage, nicht die schöne Frage).
Wenn ich Ihnen ein genaues Projekt nennen würde, gäbe es im Interview keine Geschichte dahinter.
Was wirst du sagen?
„Oh, irgendein Typ aus dem Web sagte, ich solle es bauen.“
Nicht gerade ein tolles Szenario.
Ein herausragendes Projekt ist für Sie zutiefst persönlich und Sie sind motiviert, es zu lösen. Das ist viel besser und interessanter und wird sich im Vorstellungsgespräch zeigen.
Beispielprojekt
Lassen Sie mich Ihnen ein Beispiel für ein großartiges Projekt geben.
Ich habe diese Geschichte in einem früheren Beitrag erwähnt, aber ich werde sie wiederholen, um wirklich hervorzuheben, welche Artwork von Projekten Sie erstellen sollten.
In meinem vorherigen Unternehmen haben wir einen Junior-Datenwissenschaftler eingestellt Operationsforschung Probleme.
Der Kandidat, den wir schließlich eingestellt haben, hatte ein herausragendes Projekt, das für die Stelle direkt related conflict und ein Downside darstellte, an dessen Lösung er interessiert conflict.
Sie interessierten sich für Fantasy Soccer (NFL) und entwickelten einen eigenen Optimierungsalgorithmus, um ihre Spielerauswahl jede Woche besser zuzuordnen.
Sie gingen sogar noch weiter, lasen Fachzeitschriften über die Lösungen anderer und setzten einige der Ideen um. Siehe den Hyperlink mit Forschungsarbeiten!
Mein Rahmen
Hier ist ein einfacher Rahmen, dem Sie folgen können, um ein ähnliches Projekt wie das gerade erwähnte zu entwickeln.
- Pay attention Sie mindestens fünf Dinge auf, die Sie außerhalb der Arbeit interessieren.
- Schreiben Sie zu jedem Thema fünf Fragen auf, die Sie gerne beantworten oder lösen möchten. Insgesamt haben Sie additionally 25 mögliche Fragen.
- Denken Sie nun darüber nach, wie maschinelles Lernen bei der Beantwortung dieser Fragen helfen könnte. Machen Sie sich keine Sorgen, wenn die Frage völlig unmöglich erscheint. Seien Sie kreativ. Versuchen Sie jedoch natürlich nicht, Roboterhunde oder ähnliches zu erschaffen!
- Wählen Sie abschließend eine Frage aus, die Sie am meisten begeistert. Wählen Sie im Idealfall etwas, das sich für Sie nur geringfügig außerhalb Ihrer Reichweite befindet. Auf diese Weise werden Sie wirklich lernen und Ihre Komfortzone verlassen.
Diese Übung dauert 10 Minuten, Sie haben additionally keine Ausrede, sie nicht zu machen, und Sie erhalten eine Projektidee, die Ihnen dabei helfen wird, einen Job zu finden.
Komplexität und Umfang aufbauen
Allerdings wird die Idee allein nicht unbedingt ausreichen. Dafür benötigt das Projekt eine gewisse Komplexität und Größe.
Dies kann auf unterschiedliche Weise dargestellt und ausgedrückt werden.
- Sie können das Projekt durchgängig mithilfe von Produktionscode, Cloud-Systemen wie AWS und der Containerisierung des Algorithmus bereitstellen Docker Und Kubernetes.
- Sie können einen wirklich komplexen, hochmodernen Algorithmus oder ein Framework verwenden. Das Lesen von Forschungsarbeiten eignet sich hervorragend dafür!
- Sie können es so gestalten, dass Benutzer wie bei einer On-line-Anwendung mit dem Projekt interagieren können.
- Sie können damit eine Vielzahl von Problemen lösen, beispielsweise eine Reihe von Modellen.
Es gibt viele Möglichkeiten und man ist leicht überfordert.
Beginnen Sie und lernen Sie nach und nach. Das ist alles, was Sie tun müssen.
Andere Ideen
Wenn Sie aus irgendeinem Grund keine Lust auf die beiden oben genannten haben, obwohl Sie dadurch tatsächlich eingestellt werden, finden Sie hier eine Liste weiterer Projektideen.
- Bitten Sie AI um ein Projekt; Geben Sie ihm natürlich einen passenden Hinweis.
- Nehmen Sie an einem Kaggle-Wettbewerb teil, aber Sie müssen sich intestine platzieren, damit er heraussticht.
- Verwenden Sie ein KI-/Grundlagenmodell, um ein persönliches Downside zu lösen.
- Programmieren Sie Algorithmen für maschinelles Lernen von Grund auf mit einfachem Numpy oder, noch besser, nur mit nativem Python.
Wenn Sie möchten, dass ich Sie weiter unter die Lupe nehme, finden Sie hier eine Liste detaillierterer Projekte, die Sie ausprobieren können:
- Verstärkungslernen für Pac-Man oder jedes andere Spiel.
- Erstellen eines Sprachmodells von Grund auf.
- Pc-Imaginative and prescient-Modell zur Klassifizierung von Bildern von buchstäblich allem.
- Stimmungsanalyse auf einer Social-Media-Plattform zu einem bestimmten Thema.
- Empfehlungssystem für eine App, die Ihnen gefällt.
- Feinabstimmung eines LLM für einen bestimmten Anwendungsfall.
Auch hier präsentiere ich Ideen auf hohem Niveau, denn diese müssen für Sie persönlich sein, damit sie wirklich hervorstechen.
Nachdem Sie diese Projekte erstellt haben, können Sie mit der Bewerbung beginnen!
Aber um tatsächlich Vorstellungsgespräche zu bekommen, benötigen Sie einen grundsoliden Lebenslauf.
Was macht additionally den Unterschied zwischen einem Lebenslauf, der ignoriert wird, und einem, der auffällt?
Finden Sie es in meinem vorherigen Beitrag unten heraus.
Noch etwas!
Ich biete 1:1-Teaching-Gespräche an, bei denen wir uns über alles unterhalten können, was Sie brauchen – ob es sich um Projekte, Karriereberatung oder einfach nur darum, Ihren nächsten Schritt herauszufinden. Ich bin hier, um Ihnen zu helfen, voranzukommen!