Ho postato questa domanda su Quora, ma non ho ricevuto risposte sufficienti. ripubblicarlo qui.
Sono uno studente seduto a casa e sto imparando l'algebra lineare, molto interessato a lavorare in Machine Learning un giorno, ma non sono sicuro
a) what technical skills are needed fot the interview/job
b) any relevant work experience are mandatory
Ho preso un'iniziativa per iniziare almeno piuttosto a pensare di farlo, quindi qualsiasi suggerimento / guida sarebbe molto utile e apprezzato
Non è un singolo strumento di cui potresti aver bisogno. L'apprendimento automatico, per quanto ho sperimentato, si basa sul fatto che si estrae funzionalità, quindi le si mettono in una suite di apprendimento automatico. Per caratteristiche, sono problemi specifici e devi sapere quali sono le buone caratteristiche. Il secondo è conoscere gli algoritmi più noti che sono stati usati o testati. Ma la mia opinione personale risiede nel fatto che nessun algoritmo di apprendimento automatico è completo fino a quando non lo sai
- Data structures in depth, this includes KD Trees, Quad Trees, linked lists etc.
- Performance of these data structures under immense load
- Finally, scalability of these data structures.
Ogni tecnica di apprendimento automatico, sicuramente deve passare attraverso il fattore di scalabilità. Questi punti non solo contribuiscono ai risultati, ma in generale come l'apprendimento automatico come collezione funzionerebbe una volta messo in una modalità di produzione.
Tuttavia, potresti non essere d'accordo, ma ritengo che questi siano punti molto importanti.
L'apprendimento automatico è un sottocampo enorme di CS. Tutto, dalla logica fuzzy alle reti neurali fino all'IA connettivista e oltre
Cerca su link Scegli le cose che ti interessano e guarda i riferimenti. Scava attraverso i riferimenti per trovare i documenti fondamentali. Leggili.
In questi giorni l'apprendimento automatico utilizza principalmente tecniche statistiche. È quasi sinonimo di statistiche. Quindi, l'algebra lineare è un buon inizio. Avrai anche bisogno di una solida comprensione della probabilità e delle statistiche (ad esempio variabili casuali, distribuzioni di probabilità, stima della densità, reti Bayes, modelli Markov, modelli grafici, ecc.)
Un buon libro da raccogliere sarebbe Riconoscimento pattern e apprendimento automatico di Christopher Bishop.
Il linguaggio di programmazione che usi è in gran parte irrilevante qui. Se non altro, è utile conoscere Matlab, semplicemente perché rende molto facile la prototipazione degli algoritmi di apprendimento automatico ed è ampiamente utilizzato dalla comunità di ricerca sull'apprendimento automatico. Controlla anche Weka , che è una libreria Java che implementa praticamente ogni immaginabile algoritmo di classificazione e clustering, e fornisce ottimi strumenti per addestrare e testare i classificatori.
Se vuoi seriamente entrare in questo campo, ti consiglio di andare in una scuola di specializzazione con un dipartimento CS decente o un dipartimento di statistiche decente e di ottenere almeno un Master in CS o statistiche.
Statistiche, probabilità, calcolo distribuito e statistiche.
Ho menzionato le statistiche?
In termini di abilità tecniche, c'è molta diversità lì, ma diamo un'occhiata a Weka qualche volta. È facile da imparare e divertente da giocare, imo. Sto solo completando una MS in linguistica computazionale, e ho avuto modo di sfruttare l'apprendimento automatico in diverse occasioni nel corso di studio. Mi ha fatto guardare al ragionamento in un modo nuovo, e questo è stato molto gratificante.
Per prima cosa, devi avere uno sfondo CS / Math decente. ML è un argomento avanzato, quindi la maggior parte dei libri di testo presume che tu abbia lo sfondo.
In secondo luogo, l'apprendimento automatico è un argomento molto generale con molte specialità secondarie che richiedono competenze uniche. Puoi consultare il curriculum di un programma MS in Machine Learning per visualizzare il corso, il curriculum e il libro di testo.
Ad esempio, il programma dei master della CMU: link
Leggi altre domande sui tag programming-languages java python machine-learning math