1২ মাসের মধ্যে মেশিন লার্নিং ইঞ্জিনিয়ার হতে কোনও সিএস / ম্যাথ ডিগ্রী ছাড়াই পাঠ
অন্তর্ভুক্ত: স্ক্র্যাচ থেকে মেশিন শেখার, হার্ডওয়্যার বিকল্পগুলি, মেন্টারশিপ খুঁজে বের করা, ক্ষেত্রের মধ্যে জেনে রাখা গুরুত্বপূর্ণ, মেশিন লার্নিং ইঞ্জিনিয়ার হিসাবে ফ্রিল্যান্সিং, আপনার প্রতিস্থাপন করা কঠিন যে ধারণাগুলি, সাক্ষাতকারের প্রস্তুতি, বড় সিলিকন ভ্যালি প্রযুক্তির সংস্থার সাথে সাক্ষাত্কার, গ্রহণ করা শ্রেষ্ঠ উত্পাদনশীলতা অভ্যাস, এবং কয়েক অন্যান্য জিনিস।
প্রমাণপত্রাদি: আমি আণবিক জীববিজ্ঞান একটি ডিগ্রী স্নাতক এবং কলেজ পরে বায়োটেক মধ্যে কাজ। সেই শিল্পটি ত্যাগ করার এক বছরের মধ্যে, আমি সম্ভাব্য প্রোগ্রামিং সরঞ্জামগুলিতে Google এ টেনসফ্লোও দলের সাথে কাজ করছিলাম। আমি পরে একটি মেশিন লার্নিং ইঞ্জিনিয়ার হিসাবে একটি নিরাপত্তা প্রারম্ভে যোগদান।
Disclaimer: এই বেশিরভাগ আমার নিজের অভিজ্ঞতার উপর ভিত্তি করে, আমার অনুরূপ নৌকা আছে যারা আমার বন্ধুদের থেকে অন্তর্দৃষ্টি সঙ্গে peppered। আপনার অভিজ্ঞতা অভিন্ন হতে পারে না। মূল মানটি আপনাকে স্থানটির একটি রোডম্যাপ দিচ্ছে যাতে আপনি কী করছেন তা যদি আপনার কাছে কোন ধারণা না থাকে তবে আপনি এটি নেভিগেট করতে পারেন। আপনার যদি এমএল শেখার জন্য আপনার নিজস্ব পদ্ধতি থাকে তবে এখানে তালিকাভুক্তদের চেয়ে ভাল কাজ করছে (যেমন, যদি আপনি আক্ষরিক এই স্টাফ সম্পর্কে স্কুলে শিখছেন), তবে তাদের ব্যবহার চালিয়ে যান।
প্রায় এক বছরের বেলায়, আমি বায়োমেডিকাল গবেষণাকে বাদ দিয়েছিলাম একটি মেশিনিং লার্নিং ইঞ্জিনিয়ার হয়ে ওঠার জন্য, সিএস বা মঠের ডিগ্রী ছাড়া। আমি টুইটারে হাজার হাজার লোকের সাথে ভাগ করে নেওয়ার পাশাপাশি মুখের স্বীকৃতি ও বিতরণ অ্যাপ্লিকেশানে স্টার্টআপগুলির সাথে কাজ করেছি, একটি পার্শ্ব-প্রকল্প বিক্রি করেছি এবং এমনকি টিনসফ্লোওতে নতুন সংযোজনে Google এর Tensorflow টিমের সাথেও কাজ করেছি। আবার, এই কম্পিউটার বিজ্ঞান ডিগ্রী ছাড়া সব ছিল।
এই পোস্টটি দীর্ঘ সময় ধরে, একটি মেশিন লার্নিং ক্যারিয়ারে যাওয়ার জন্য সমস্ত গুরুত্বপূর্ণ ধারণা, টিপস এবং সংস্থার সংকলন। পাঠকদের কাছ থেকে যারা এখনও কলেজে নেই, পাঠকদের কাছে যারা কলেজের বাইরে চলে গেছে এবং একটি সুইচ তৈরির চেষ্টা করছে, আমি আমার নিজের যাত্রা থেকে সর্বাধিক প্রযোজ্য বিন্দুগুলিকে দূর করতে চেষ্টা করেছি যা বিস্তৃত উপকারী হবে মানুষের অ্যারে। উপভোগ করুন।
পার্ট 1: ভূমিকা, প্রেরণা, এবং রোডম্যাপ
পার্ট 2: একটি (বিপণনযোগ্য) মেশিন লার্নিং ইঞ্জিনিয়ার এর দক্ষতা
অংশ 3: নিমজ্জন এবং খোঁজার পরামর্শদাতা
পার্ট 4: সফ্টওয়্যার এবং হার্ডওয়্যার সম্পদ
পার্ট 5: রিসার্চ পেপার পড়ার (এবং কয়েকটি যে প্রত্যেককে জানা উচিত)
অংশ 6: গ্রুপ এবং মানুষ আপনি পরিচিত করা উচিত
অংশ 7: সমস্যা সমাধানের সমাধান এবং কার্যপ্রবাহ
পার্ট 8: আপনার পোর্টফোলিও নির্মাণ
অংশ 9: একটি এমএল বিকাশকারী হিসাবে ফ্রিল্যান্সিং
পার্ট 10: ফুল টাইম মেশিন লার্নিং ইঞ্জিনিয়ারের অবস্থানের জন্য সাক্ষাত্কার
অংশ 11: পেশা যাত্রা এবং ভবিষ্যত পদক্ষেপ
পার্ট 12: উন্নত উৎপাদনশীলতা এবং শিক্ষার জন্য অভ্যাস
Part 1: Introductions, Motivations, and Roadmap
Introductions
আপনি যদি খবরটি অনুসরণ করে থাকেন তবে আপনি মেশিন লার্নিং প্রতিভা জন্য কত চাহিদা আছে সে বিষয়ে শিরোনামগুলি দেখেন। সাম্প্রতিক লিঙ্কডইন অর্থনৈতিক গ্রাফ রিপোর্টে, "মেশিন লার্নিং ইঞ্জিনিয়ার" এবং "ডেটা বিজ্ঞানী" ২018 সালের দ্রুততম ক্রমবর্ধমান চাকরি (যথাক্রমে 9 .8 এবং 6.5x বৃদ্ধি)। মাঝারি নিজেই উদাহরণ প্রকল্প, টিউটোরিয়াল, সফ্টওয়্যার রিভিউ, এবং আকর্ষণীয় অ্যাপ্লিকেশন এর গল্প সঙ্গে rife হয়। স্পষ্ট চাহিদা থাকা সত্ত্বেও, সফ্টওয়্যার প্রকৌশল অন্যান্য অঞ্চলের জন্য উপলব্ধ সংস্থানগুলির তুলনায় বাইরের হিসাবে প্রকৃতপক্ষে এই ক্ষেত্রটিতে প্রবেশের ক্ষেত্রে কয়েকটি সংস্থান রয়েছে। তাই আমি এই মেগা পোস্টটি লিখছি: একটি অ সিএস পটভূমি থেকে মেশিন লার্নিং ইঞ্জিনিয়ার হওয়ার জন্য আমার যাত্রার পাঠগুলির জন্য ঘনীভূত সম্পদ হিসাবে কাজ করার জন্য।
"কিন্তু ম্যাট", আপনি অবশ্যই বলছেন, "এটা অস্বাভাবিক নয়, অনেক লোক অন্যান্য ক্ষেত্র থেকে মেশিন শিখতে যায়।"
এটা সত্য যে অনেক non-CS প্রধান ক্ষেত্রের মধ্যে যান। যাইহোক, আমি কলেজে ঘোষিত পরিসংখ্যান, গণিত, পদার্থবিজ্ঞান, বা বৈদ্যুতিক প্রকৌশল প্রধান ছিলাম না। আমার পটভূমি আণবিক জীববিজ্ঞান, যা আপনি কিছু লক্ষ্য করা যেতে পারে প্রায়শই STEM ক্ষেত্রের উদাহরণ তালিকা থেকে বাদ দেওয়া।
Credit to Randall Munroe and XKCD (had a tough time deciding between this comic and this one)রান্ডাল মুুনো এবং এক্সকেসিডি ক্রেডিট (এই কমিক এবং এই এক মধ্যে সিদ্ধান্ত কঠিন সময় ছিল)
বেশিরভাগ জৈব মজাদার চেয়ে আমার আন্ডারগ্র্যাডের সময় আমি পরিসংখ্যান এবং প্রোগ্রামিংয়ের উপর একটু বেশি মনোযোগ দিই, এটি এখনও একটি পদার্থবিজ্ঞানী ক্ষেত্রের প্রবেশের তুলনায় একটি অস্বাভাবিক পথ (যেমন নাথান ইয়াউ এর প্রবাহিত ডেটার থেকে এই সুন্দর পোস্টটি)।
Backstory
আমি মনে করি না বুদ্ধি সম্পর্কে খুব বেশি মনোযোগ দেওয়া (সাক্ষাত্কারের প্রস্তুতির বাইরে, যা আমরা পেতে পারি)। অনেকগুলি উপায় আছে যা আমি মেশিন লার্নিং ক্ষেত্রে আমার প্রথম পদক্ষেপগুলির জন্য একটি বীজতলা স্পাইডার করতে পারি, উভয় বীরত্বপূর্ণ এবং অ্যান্টি-বীরত্বপূর্ণ, তাই আমি এখানে ব্যবহার করা আরও সাধারণ একটি: উচ্চ বিদ্যালয় থেকে, আমার বয়স বৃদ্ধির সাথে প্রায় একক মনের আবেগ ছিল। মেশিন লার্নিং আমার ভূমিকা অনেক এই এলাকায় আমার স্নাতক গবেষণা সময় ছিল। এটি এমন একটি ল্যাবের মধ্যে ছিল যা গোমপার্টজ এবং ওয়েইবুল বিতরণগুলির মতো ক্রমাগত সমীকরণগুলিতে বিচ্ছিন্ন ফল ফ্লাইট ডেটা ফিটিংয়ের পাশাপাশি ফল ফলের শারীরিক ক্রিয়াকলাপের পরিমাণ পরিমাপের জন্য চিত্র-ট্র্যাকিং ব্যবহার করে। এই গবেষণার বাইরে, আমি সাহিত্য পর্যালোচনাগুলির জন্য কাগজপত্র অনুসন্ধান দ্রুততর করার জন্য একটি গুগল স্কলার স্ক্র্যাপের মতো প্রকল্পগুলিতে কাজ করছিলাম। বায়োমেডিকাল গবেষণায় আবেদন করার সময় মেশিন লার্নিংটি অন্য আরেকটি কার্যকর হাতিয়ারের মতোই ছিল। অন্য সকলের মতো, আমি অবশেষে বুঝতে পেরেছি যে এটি আরও বড় হতে যাচ্ছে, আসন্ন দশকে দৈনন্দিন জীবনের একটি অবিচ্ছেদ্য প্রযুক্তি। আমি জানতাম, আমি এই এলাকায় যেমন দক্ষ হয়ে উঠতে পেরেছিলাম সে সম্পর্কে আমাকে গুরুতর হতে হয়েছিল। কিন্তু কেন পুরোপুরি সুপরিণতি থেকে স্যুইচ করুন? উত্তর দেওয়ার জন্য, আমি হার্ভার্ড মেডিকেল স্কুল থেকে ড। ডেভিড সিনক্লেয়ারের একটি উপস্থাপনা দেখতে চাই। তার ল্যাবের উত্তেজনাপূর্ণ গবেষণা বিকাশ সম্পর্কে কথা বলার আগে, তিনি বৃদ্ধির ক্ষেত্রে একটি সাধারণ সংগ্রাম বর্ণনা করেছিলেন। অনেক ল্যাবস প্রক্রিয়াটির সংকীর্ণ দিকগুলির উপর দৃষ্টি নিবদ্ধ করা হয়, তা নির্দিষ্ট এনজাইম কার্যকলাপ, পুষ্টি সংকেত, জেনেটিক পরিবর্তন, বা অন্য অগণিত এলাকায় কোনও। ড। সিনক্লেয়ার অন্ধকারের সংকীর্ণ দৃষ্টিভঙ্গির দিকে তাকিয়ে অনেক গবেষককে নিয়ে অন্ধ পুরুষ এবং হাতির সাদৃশ্য তুলে ধরেন, যতটা পুরো অংশটি থেকে অংশটি কতটা ভিন্ন তা স্বীকার করে নিতেন। আমার মনে হয় বাস্তবতাটি একটু ভিন্ন ছিল (এটি ফ্ল্যাশলাইটের পরিবর্তে লেজার পয়েন্টার ব্যবহার করে অন্ধকারে একটি হাতি সনাক্ত করার চেয়ে বেশি লোকের মতো ছিল), তবে উপসংহারটি এখনও স্পট-অন: সমস্যাগুলির সমাধান করার জন্য আমাদের আরও ভাল সরঞ্জাম এবং পদ্ধতির প্রয়োজন বয়স বৃদ্ধির মত।
Everyone always focuses on the blind men. Nobody cares how the elephant feels about all this.
এটি অন্যান্য অনেক কারণের সাথে আমাকে বুঝতে পেরেছিল যে একা জৈব বিজ্ঞানের ভিজা-ল্যাব পদ্ধতির ব্যবহার অবিশ্বাস্যভাবে অক্ষম ছিল। নিরাময় ও চিকিত্সার অনুসন্ধানের স্থানগুলিতে বেশির ভাগ কম ঝুলন্ত ফল অনেক আগে অর্জিত হয়েছে। এমন চ্যালেঞ্জগুলি যা রোগ এবং অবস্থার মধ্যে রয়ে যায়, এমনকি ডেটা ট্রোজ এমনকি এমনকি নির্ণয়ের জন্য প্রয়োজন হতে পারে, একা চিকিত্সা করা উচিত (উদাঃ, জেনোনিক্যালি বিভিন্ন ক্যান্সার, দ্রুত এইচআইভি মত ভাইরাস mutating)। হ্যাঁ, আমি অনেকের সাথে একমত যে বয়স্কতা অবশ্যই একটি রোগ, কিন্তু এটি একটি নিবিড়ভাবে সংজ্ঞায়িত এক যা মানুষকে বিভিন্নভাবে বিভিন্নভাবে প্রভাবিত করে।
আমি সিদ্ধান্ত নিলাম যে, যদি আমি এই ক্ষেত্রে বড় অবদান রাখতে যাচ্ছি, বা অন্য যে কোনও ক্ষেত্রের মধ্যে যাওয়ার সিদ্ধান্ত নিয়েছি তবে সর্বাধিক উৎপাদনশীল পদ্ধতি ডেটা বিশ্লেষণকে উন্নত ও স্বয়ংক্রিয় করার জন্য সরঞ্জামগুলিতে কাজ করবে। কমপক্ষে ভবিষ্যতের জন্য, আমাকে নিশ্চিত করা দরকার যে মেশিন লার্নিংয়ের ভিত্তিটি পুরোপুরি স্থিতিশীল হওয়ার আগেই নির্দিষ্ট ফোকাসগুলি ফোকাস করতে পারার আগে আমার ফাউন্ডেশনটি দৃঢ় ছিল।
"তাই ... এই দীর্ঘ একটি ** পোস্ট আবার কি?
নির্দিষ্ট মেশিন লার্নিং কৌশলগুলির জন্য তালিকা এবং ভিডিও টিউটোরিয়ালগুলির প্রচুর আছে, তবে ওয়েব বা মোবাইল ডেভেলপারদের মতো ক্যারিয়ার-গাইড-শৈলী সমর্থন একই পর্যায়ে নেই। এই কারণে আমি গবেষণা করার জন্য চালু করেছি এমন সংস্থার তালিকাগুলি সংকলন করার চেয়ে আরও বেশি কিছু। আমি পোর্টফোলিও প্রকল্প তৈরির জন্য যা পেয়েছি তার সর্বোত্তম অনুশীলনগুলিও দস্তাবেজ করার চেষ্টা করেছি, ক্ষেত্রের মধ্যে স্বল্পমেয়াদী এবং দীর্ঘমেয়াদি কাজ খুঁজে পেতে এবং দ্রুত পরিবর্তনশীল গবেষণা আড়াআড়িকে ধরে রেখেছি। আমি অন্যদের কাছ থেকে জ্ঞানের নুড়িগুলিও সংকলন করবো, আমি সাক্ষাত্কার করেছি যারা আমার চেয়ে এই পথে এগিয়ে আছে। আপনার যে প্রযুক্তিগত দক্ষতাগুলি দেখাতে হবে তা হ্রাস করা হয় না, যখন আপনার কাছে শিক্ষাগত পটভূমি নেই তখন এটি আরও বেশি, তবে এটি সম্পূর্ণরূপে সম্ভব। - ডারিও আমোডি, পিএইচডি, ওপেনাইয়ের গবেষক, মেশিন লার্নিংয়ে ডক্টরেট ছাড়া মাঠে প্রবেশ করেন অবশেষে, আমি যে কেউ এই স্থানটির বিশদ মানচিত্রটি পেতে এটি পড়তে চাই, তাই যদি তারা আমার পথে যাওয়ার সিদ্ধান্ত নেয় তবে তারা ডনিং-ক্রুগার প্রভাবের উপত্যকার মধ্য দিয়ে আরো দ্রুত চলে যেতে পারে।
In truth the actual Dunning-Kruger effect is a bit more noisy than this.
মনে রাখবেন যে, আমরা একটি (নিয়োগযোগ্য) মেশিন লার্নিং ইঞ্জিনিয়ার হওয়ার জন্য মাস্টারের প্রয়োজনীয় দক্ষতার রুক্ষ পরিদর্শনের সাথে শুরু করব:
Part 2: Skills of a (Marketable) Machine Learning Engineer
একটি মেশিন লার্নিং ইঞ্জিনিয়ার হয়ে উঠছে এখনও ওয়েব বা মোবাইল প্রকৌশলী হওয়ার মতো সহজতর নয়, যেমন আমরা পূর্ববর্তী বিভাগে আলোচনা করেছি। এই নতুন প্রোগ্রাম সব ভিতরে এবং বাইরে উভয় প্রথাগত স্কুলের মেশিন শেখার দিকে geared সত্ত্বেও। আপনি যদি "মেশিন লার্নিং ইঞ্জিনিয়ার" শিরোনামের সাথে অনেক লোককে জিজ্ঞাসা করেন যে তারা কী করেন তবে আপনি প্রায়শই ভিন্ন ভিন্ন উত্তর পাবেন।
মেশিন অধ্যয়ন শেখার জন্য (এই লা ইলন মুস্কের এখন বিখ্যাত পদ্ধতি) শেখার জন্য এই বিভাগের লক্ষ্যটি আপনাকে মানসিক সেমিক্যান্ট ট্রি (খান একাডেমীর এমন একটি গাছের উদাহরণ) এর শুরুকে একত্রিত করতে সহায়তা করা। আমার নিজের অভিজ্ঞতার উপর ভিত্তি করে, পাশাপাশি একাডেমিয়া এবং শিল্প উভয় ক্ষেত্রে মেশিন লার্নিং ইঞ্জিনিয়ারদের কাছে পৌঁছানোর পাশাপাশি এখানে নরম দক্ষতা, মৌলিক প্রযুক্তিগত দক্ষতা এবং আপনার প্রয়োজনীয় আরো দক্ষ দক্ষতার সংক্ষিপ্তসার রয়েছে
নরম দক্ষতা ডুভিংয়ের আগে ডুভিংয়ের আগে আপনাকে কিছু অ-প্রযুক্তিগত দক্ষতাগুলি মনে রাখতে হবে। হ্যাঁ, মেশিন লার্নিং মূলত গণিত এবং কম্পিউটার বিজ্ঞান জ্ঞান। যাইহোক, আপনি সম্ভবত বাস্তব সমস্যা সমাধানের জন্য এটি প্রয়োগ করার উপায় খুঁজে বের করতে হবে।
0 comments:
Post a Comment