不是標(biāo)題黨，真實的故事分享。開學(xué)季，部分人多少會對自己選擇的專業(yè)有這樣那樣的擔(dān)心。什么是自己喜歡的，怎么找到自己喜歡的并堅持下去，今天的這個分享全都講到了。

正視迷茫期

在開始學(xué)習(xí)ML之前，故事的主人公已經(jīng)獲得了一份他們國家最大銀行之一研發(fā)部門的實習(xí)生工作，接觸的是端到端軟件開發(fā)生命周期以及復(fù)雜的安全協(xié)議。這對一個本科生來說很幸運(yùn)了，可是主人公陷入了迷茫，找不到這份工作的意義和價值，這是很多人都會遇到的問題。

生活中大多人遇到這種問題的時候會陷入焦慮，會權(quán)衡利弊，會拖延著等到實在拖不了的時候再開始做選擇。

其實不必拖，可以學(xué)習(xí)主人公的方法——在與所學(xué)專業(yè)相關(guān)的行業(yè)中（主人公是計算機(jī)專業(yè)）篩選出自己喜歡的領(lǐng)域。

?

篩選興趣

主人公是國外的，所以他在最開始利用freelancing sites，glassdoor，TED演講，YouTube視頻里面篩選熱門的工作崗位（可能是爬取了相關(guān)行業(yè)的內(nèi)容）。

數(shù)據(jù)科學(xué)領(lǐng)域引起了主人公的興趣。然后主人公開始了解這個領(lǐng)域下的主要方向——數(shù)據(jù)科學(xué)家、數(shù)據(jù)分析師、數(shù)據(jù)工程師、機(jī)器學(xué)習(xí)工程師、BI 分析師、MLOps 工程師。

接著分析了這些角色的職業(yè)道路、經(jīng)歷、薪水和所有細(xì)節(jié)的統(tǒng)計數(shù)據(jù)。根據(jù)自身的優(yōu)勢，主人公認(rèn)為機(jī)器學(xué)習(xí)工程師是最合適自己的，立馬做出了選擇。大家也可以嘗試用這個方法來做選擇，找到自己感興趣的專業(yè)。

這里作者還推薦了兩本書——《潛意識的力量》和《秘密》。這兩本書能讓你知道如何吸引你真正想要的東西，以及你的想法最終如何成為你。

給自己暗示

首先要相信自己，才能成為自己想成為的人。所以主人公設(shè)計了機(jī)器學(xué)習(xí)工程師title的新名片；筆記本電腦壁紙上寫著“機(jī)器學(xué)習(xí)工程師”，帳戶密碼都改成類似于“mlengineer123”這樣的，沉浸在成為這樣的人的環(huán)境下。

“假裝”的想法 幫助你改變你的身份，自然會被你想成為的人所吸引。

正確選擇學(xué)習(xí)資源

現(xiàn)在網(wǎng)上的學(xué)習(xí)資源非常多，看來看去最后發(fā)現(xiàn)可用的資源挺少的，首先要明確應(yīng)該學(xué)習(xí)什么？應(yīng)該從哪里學(xué)習(xí)？

不能一上來就要掌握編程、統(tǒng)計、數(shù)據(jù)庫、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、可視化等知識，恨不得馬上成為數(shù)據(jù)科學(xué)家。

其實第一步你要做的是評估自己——你的長處和弱點。更沒有必要去糾結(jié)是學(xué)R還是Python。

比如主人公對數(shù)學(xué)、編程和數(shù)據(jù)庫相當(dāng)熟悉，但是，對統(tǒng)計學(xué)知之甚少，最終選擇了從Python開始入手。但最終，像許多其他人一樣，最終同時使用了兩者。如果你是統(tǒng)計/數(shù)學(xué)相關(guān)背景，可以先選擇R，不過大多數(shù)人學(xué)到最后都是同時使用了兩者。

入門資源推薦

初學(xué)入門

大家可以根據(jù)目前的知識和技能跳過其中的一些內(nèi)容，或者將其用作某種參考資料。

密歇根大學(xué)在freeCodeCamp（13 小時課程-免費(fèi)）上的Python for Everyone[1]或作為Coursera上的5門課程專業(yè)：本課程涵蓋從數(shù)據(jù)結(jié)構(gòu)到數(shù)據(jù)庫再到使用Python的可視化[2]。這些對初期學(xué)習(xí)非常有用。

[1] https://www.youtube.com/watch?v=8DvywoWv6fI

[2] https://bit.ly/courserapy4e

可汗學(xué)院的線性代數(shù)和多元微積分。雖然主人公對所需的數(shù)學(xué)概念相當(dāng)熟悉，但為了更好的直覺，也需要經(jīng)常最終參考可汗學(xué)院某些資料。

線性代數(shù):

https://www.khanacademy.org/math/linear-algebra

微積分：

https://www.khanacademy.org/math/multivariable-calculus

密歇根大學(xué)在Coursera上的統(tǒng)計專業(yè)?？梢杂脕砺亻_始了解所有的統(tǒng)計概念。并用可汗學(xué)院的統(tǒng)計和概率對此進(jìn)行補(bǔ)充。

Coursera上的統(tǒng)計專業(yè)：

http://bit.ly/courserastats

可汗學(xué)院的統(tǒng)計和概率：

https://www.khanacademy.org/math/statistics-probability

必讀系列

斯坦福在YouTube上的Andrew Ng機(jī)器學(xué)習(xí)講座。當(dāng)你學(xué)習(xí)本課程時，會感覺自己在慢慢地進(jìn)入數(shù)據(jù)科學(xué)和機(jī)器學(xué)習(xí)領(lǐng)域。

https://www.youtube.com/playlist?list=PLoROMvodv4rMiGQp3WXShtMGgzqpfVfbU

Coursera上的deeplearning.ai的深度學(xué)習(xí)專業(yè)化。Andrew Ng以此開始革新深度學(xué)習(xí)教育。它涵蓋了從零開始到高級計算機(jī)視覺和NLP技術(shù)的深度學(xué)習(xí)的每一個基本概念。（這個好像要付費(fèi)，付費(fèi)的話不如去找找國內(nèi)的性價比更高的）

http://bit.ly/courseraDL

The Missing Semester of your CS Education by MIT。就比較難學(xué)，但是利于工作。

https://missing.csail.mit.edu/

以上全是外文網(wǎng)站，因為我們的主人公是國外的大佬，想要國內(nèi)的學(xué)習(xí)資料就私聊學(xué)姐給你推薦吧！畢竟沒有恰飯！

參加比賽的好處

在構(gòu)建項目時可以學(xué)到很多東西，這比一次性掌握多項技能更能夠提高能力。

比賽平臺

Kaggle比賽：可以從新手區(qū)開始做比賽任務(wù)，也可以看到非常多的牛人的分享。Kaggle 建議開始的最基本的方法是傳統(tǒng)的泰坦尼克號機(jī)器學(xué)習(xí)災(zāi)難。它可以幫助您了解完整的機(jī)器學(xué)習(xí)流程。

泰坦尼克號機(jī)器學(xué)習(xí)競賽

https://www.kaggle.com/c/titanic

Udacity 項目：他們在GitHub上是開源的，并且以獎學(xué)金的方式激發(fā)學(xué)習(xí)和參與項目的興趣。

國內(nèi)的比賽就有很多啦！比如阿里的天池，華為，科大訊飛等等他們舉行的比賽活動都可以參與。

從分享中成長

有意識地分享自己學(xué)習(xí)成果和創(chuàng)建的項目。這樣做有什么好處？

在LinkedIn上分享成就，并始終有更新的LinkedIn個人資料和項目經(jīng)驗，招聘人員喜歡看到這個。

構(gòu)建的每個項目、創(chuàng)建的每個筆記本都放在GitHub上。可以制作你作品的集合。（有些人更喜歡在Kaggle中分享所有內(nèi)容，主要是因為社區(qū)很吸引人，所以也可以隨意探索該選項）

在國內(nèi)你可以寫自己的公眾號，放在CSDN上，做成視頻放在嗶哩嗶哩上面都是可以的，會有很多粉絲還有專業(yè)大牛與你交流。

如果你要轉(zhuǎn)行

請把心態(tài)放平，一定要記住職位不重要；你要做的工作類型很重要。

當(dāng)你做不出選擇的時候請問問自己這幾個問題：

• 我每天都會學(xué)到新東西嗎？

• 我將要做的工作會對生活或者世界產(chǎn)生影響嗎？

• 我會接觸到這份工作的核心內(nèi)容嗎？還是在打醬油？

如果對上述所有三個問題的回答都是肯定的，那么就接受這份工作。不過選擇也因人而異，任何時候都要明確自己能否承擔(dān)的了選擇后的后果。

今天的分享就到這里！對數(shù)據(jù)科學(xué)或者是機(jī)器學(xué)習(xí)還不是非常了解的同學(xué)可以關(guān)注公眾號，后臺聯(lián)系學(xué)姐我們嘮一嘮。

文章來源：

https://pub.towardsai.net/how-i-went-from-being-a-confused-undergrad-to-an-experienced-machine-learning-engineer-5422d4a51a30

免責(zé)聲明：所載內(nèi)容來源互聯(lián)網(wǎng)，僅供參考。轉(zhuǎn)載稿件版權(quán)歸原作者和機(jī)構(gòu)所有，如有侵權(quán)，請聯(lián)系我們刪除。