如何成为2021年的机器学习工程师

每个人都知道机器学习是一项热门技能，也是一项赚钱的技能。根据玻璃门，当我们进入2021时，机器学习工程师的平均基本支付员额在美国每年超过114,000美元。许多雇主也有更多的津贴，例如奖金和股权，这可能比您的基础工资职业进展所取得的进展。

然而，找到一份机器学习工程的工作并不容易。你需要的技能和经验比你想象的要广泛，它们属于各种不同的工作头衔。

什么是机器学习工程师?

让我们从这个特定的职位头衔的含义开始。在机器学习和数据科学领域，这是一个相当不寻常的头衔。如果你看看亚马逊(Amazon)、谷歌和苹果(Apple)等最大的雇主，只有苹果将“机器学习工程师”作为工作头衔。亚马逊倾向于雇佣专门从事机器学习的“机器学习科学家”或“软件工程师”。而谷歌则提供“软件工程师、机器学习”的职位。

关键字是“工程师”——这告诉你这份工作需要动手操作，雇主希望你每天都写代码。这不仅仅是建立模型和处理理论。你要建造机器学习系统把这些模型投入生产。亚马逊还雇佣了更多关注理论的“机器学习科学家”。但它的大多数软件工程角色将涉及某种机器学习。如果你喜欢做东西，在一家需要大量机器学习的公司里，任何软件工程师的职位都是你所追求的。不管他们内部怎么称呼这个角色。

这与数据分析师、数据可视化或数据科学家的角色。这些工作的重点是从数据中提取意义，通常使用现有的工具。作为一个机器学习工程师，你将构建这些工具和围绕它们的系统。机器学习工程师也不是数据工程师。数据工程师是一个更具体的角色，专注于在分析之前收集和转换数据。但作为一个机器学习工程师，你还需要对数据工程有深入的了解。您构建的系统将跨越整个数据管道。

我需要成为一台机器学习工程师的技能？

只要知道如何实现机器学习算法是不够成为机器学习工程师。这是这些模型周围的实用东西。

• 特性工程需要选择和处理用于训练模型的数据。
• 代码需要操作模型和构建持续运行的健壮系统。
• 将这些模型应用于大量数据集的分布式系统。

为了落地机器学习工程师位置，您需要展示信息检索，大规模系统设计，分布式计算，网络，数据存储，安全性，人工智能，软件开发，测试框架甚至UI设计。betwayapp下载安装根据作业的具体细节，自然语言处理或推荐系统等机器学习的专业也可能很重要。您需要展示Python，C ++或Java等编程语言的熟练程度。一些最近的职位帖子甚至要求您展示在其中学习许多语言和工作的能力，包括C＃，Go，JavaScript等。您必须先成为软件工程师和一台机器学习专家。

总而言之:要成为一名机器学习工程师，你需要知道:

• 机器学习/深度学习/人工智能
• 数据科学
• 特征工程
• 软件工程（特别是在Python中）
• “大数据”和分布式系统
• IT安全
• 数据存储

这真的只是最小的。但这些是您可以自己学习的技能 - 包括在Udemy！一个好主意是识别您想要工作的公司，转到他们的职业生涯页面，并搜索机器学习工作。仔细研究工作要求和工作描述。他们会告诉你究竟要将这些工作纳入那份工作所需的技能。了解他们是什么，去获取它们。

一些工作可能需要比其他工作更多的尖端知识。机器学习是一个快速发展的领域。一旦你勾选上面的话题，你的学习并没有停止。

不要低估了理解大规模数据分析和分布式系统的重要性。您必须了解如何使用单台机器无法处理的数据来操作复杂的机器学习模型。您还必须了解如何以每秒数千个请求的规模销售这些模型的结果。了解如何使用云计算水平扩展系统。如果你的目标是在亚马逊工作，那就成为一名AWS专家吧。如果你的目标是谷歌，那就成为谷歌云专家。如果您的目标是微软，请成为Azure专家。机器学习工程中的机器学习部分确实是很容易的部分——它要以可靠的方式大规模地进行，但这很难。

如果您不想成为动手，那么“机器学习科学家”的角色可能更接近您的目标。但你仍然需要编程和动手技能。科学家角色通常需要高级度和多年的应用研究经验。他们最适合从研究生后学术界到行业的世界过渡。

这不会在一夜之间发生。

正规的教育可以让你进入最好的雇主的大门。雇主通常直接从过去为他们培养出优秀人才的知名大学招聘员工。在亚马逊(Amazon)，斯坦福(Stanford)和滑铁卢大学(University of Waterloo)是我们的最爱。在这些机构中，一个与机器学习相关的硕士学位几乎可以保证你在毕业前得到一次面试。但这绝不是一条容易或廉价的道路。虽然正式的学位最终会有所帮助，但雇主最关心的是你所建立的东西。即使是大学毕业生，雇主通常也希望通过一些实习来证明你能应用所学到的知识。

让我们来检验一下你是不是自学成才的。虽然你可以在几个月的时间里自学这些技能，但这并不足以让你在一家大型科技公司找到一份工作。知识是不够的。您需要证明您可以将这些知识应用到实际问题中。要真正适应这些技术，需要时间来开发所需的经验。您需要对实际情况中出现的各种问题有经验。最好设想一段时间后能把你带到那里的旅程。

首先，您需要创建自己的体验。在诸如kaggle.(如果你成为了这家公司的领导者，光是这一点就能给你带来机会。)在诸如捏造，并按照更大的工作。虽然自由职业者也可能导致更大更永久的连接。参与机器学习领域的开源项目。能够指出您对GitHub的贡献，以广泛使用的现实系统将在您的简历或简历中看起来很棒。

机器学习工程的职业旅程

你可能会发现，早期的经历并不能让你获得谷歌(google)和facebook这样的公司的工作机会。那是完全好了!在一家小公司开始你的职业生涯，然后一步步走向大公司，这是一个很好的策略。从较小的公司和初创公司开始可能是一个优势。在你职业生涯的早期，在你的第一次面试中，你都会犯错误。在小公司犯这些错误比在大公司犯一次错误要好得多!

还有，记住机器学习工程师也是软件工程师。软件工程比机器学习工程更容易找到工作。先找一份更通用的软件工程工作仍然会给你宝贵的经验。这种经历会让你成为更成功的机器学习工程师。记住，软件工程不仅仅是写代码。你也需要计算机科学基础知识，包括算法和软件设计。这些基本原理可以来自正规的教育，也可以是自学的。

一个更好的工作是在一家同样有机器学习机会的公司里做软件工程师。在内部转移到机器学习工程角色比在外部应用它们更容易。你可以把这看作是进入你最终想要的工作的后门。如果你选择了这条路，去了解你想要从事的机器学习工作的招聘经理。邀请他们一起喝杯咖啡或吃顿午餐，只是为了更多地了解他们的团队在做什么，以及他们正在寻找的技能。一般来说，你可不想在你现任经理的背后这么做。最好是公开你的长期职业目标，并得到经理的支持。

认证呢?

在职业生涯的早期阶段，当你从事自由职业或合同工作时，证书往往更重要。你的证书是让人们知道你在他们招聘的领域有一些基本知识的捷径。AWS继续成为云服务的领导者。这意味着AWS认证的机器学习-专业当你在Upwork或类似的自由职业者网站上工作时，证书可能是值得获得的。Udemy可以帮助你通过a的考试准备课程和实践考试。

您会发现全职雇主关心您的认证以及更多关于您的实际体验的信息。将认证视为以稍后将全职工作降落的经验，以便打开门。

享受车程！

再说一遍，这是一段旅程，不是一夜之间就能实现的。但这可能是一段有趣的旅程，可能会把你引向意想不到的方向。它的核心是对建造东西的热情，包括从未有人创造过的东西。机器学习工程师必须对软件工程、编程和一般技术充满热情。如果你有激情和毅力去获得你需要的知识和经验，它最终会带来一个非常有回报和利润丰厚的职业生涯。祝你旅途愉快!