¿Se puede obtener un puesto de Ingeniero de Aprendizaje Automático de la educación en MOOC sin tener un título de posgrado en Informática?

Answer 1

Absolutamente, puede hacer un cambio de carrera. * T&C.

Soy ingeniero electrónico y comencé con el curso de análisis 2015 en edX y comencé la competencia de kaggle desde entonces viví y amé los datos después de unos pocos meses. Obtuve un rango superior de 1000 kaggle y después de sentir que estoy muy maduro en ciencia de datos, comencé a aplicar para los trabajos tuvo una dificultad para convencer a la gente de que sobre mi capacidad y entrevistas términos más exactos específicos y si aprendes cosas en Google usas los términos incorrectos mientras respondes y serás rechazado después de algunos rechazos eventualmente aprendo los términos adecuados y la forma sistemática de expresa tu conocimiento me consiguió trabajos.

Ahora los empleadores están pasando de una contratación de estilo de reclutamiento de cursos / universidades a la contratación de puntos de habilidad como hackatones (bueno para las personas que están haciendo moocs, así que aplaude)

Permítanme aclarar cómo planificar las cosas (los términos y condiciones que les dije al principio)

• No puede apuntar directamente a los gigantes de Machine Learning (Google, Facebook, Amazon … etc.) que están demasiado avanzados en el aprendizaje automático (tienen una arquitectura diferente para resolver los problemas de ciencia de datos, su contratación comienza con un nivel maestro al menos, en casos excepcionales), su objetivo las empresas deberían ser las empresas de segundo nivel que tenían un trabajo decente en ML y buscaban escalar / probar
• Todas las empresas necesitan ver qué valor ha agregado utilizando la ciencia de datos, por lo que ofrecer un proyecto como voluntario en su empresa actual les ayudará a resolver un problema. Esto aumentará mucho su currículum y podría colocarlo en el centro de atención de toda la organización
• La ciencia de datos es un arte, no hay un sí o un no estrictos para ninguna pregunta, pero debe explicarla bien en términos de los datos y de qué tipo de datos se trata (todas las técnicas funcionan bien para un tipo específico de datos). Siempre tome nota de estas observaciones y razone mucho por qué esto funciona así, las matemáticas detrás de escena (las herramientas cambian con el tiempo, pero las matemáticas siguen siendo las mismas, siempre aprenda algoritmos en ciencias detrás en lugar de herramientas específicas)

Resumen final:

Alcance sus objetivos + Desarrolle confianza en usted mismo + Muestre pruebas de su habilidad

Todo lo mejor 🙂

Answer 2

Creo que cualquier persona con suficientes recursos puede ser autodidacta en cualquier área. Sin embargo, no conozco ningún MOOC de ML (o grupo de MOOC) que entre en tal detalle que le permita a alguien probar con confianza el mercado laboral de los ingenieros de ML.

Tenga en cuenta que no estoy diciendo que esos MOOC no existen, sino que simplemente no conozco ninguno.

Déjame compararlo con la ciencia de datos. La ciencia de datos tiene muchas disciplinas. También hay muchos MOOC, no solo de la ciencia de datos como un campo completo, donde uno puede aprender los conceptos básicos para una serie de tareas, sino también muchos MOOC que profundizan un poco en algunas áreas útiles para la ciencia de datos, como el aprendizaje automático.

Sin embargo, veo la ingeniería de aprendizaje automático un poco como la ingeniería de datos. Es muy técnico, muy profundo. La parte difícil es llegar a las aguas profundas de la misma. La ciencia de datos también es muy técnica pero sabia, es más amplia y menos profunda.

He hecho algunos MOOC de ML y ninguno me dio la habilidad y el conocimiento que tienen los ingenieros de aprendizaje automático. Por eso creo que les falta profundidad. Tal vez soy parcial y es mi propia ignorancia en el lado de la ingeniería lo que me lleva a pensar de esta manera, pero tengo mucha admiración por el gran conocimiento técnico de los ingenieros de datos y los ingenieros de aprendizaje automático.

Esto dijo que podría estar en una posición donde los MOOC por sí solos no son suficientes. No creo que un título de CS sea lo que te impedirá hacer la transición, pero necesitarás más que MOOC. Necesitarás libros y mucha práctica.

Seguramente hay otros recursos que no conozco.

Answer 3

Sí, muchos científicos de datos realizan su maestría o doctorado en matemáticas, negocios o un campo de ingeniería o ciencia. Recomiendo una maestría en estadística, ya que el programa se centrará en el conocimiento teórico que necesitará en el campo y la programación en R / SAS, que son comunes en la industria. Los MOOC son buenos para familiarizarse con algoritmos de aprendizaje automático y conceptos de programación adicionales.

Answer 4

Según yo, si tiene el conocimiento suficiente para descifrar las entrevistas, debe obtenerlo, pero si la compañía pone un filtro de antecedentes educativos, no puede ayudar en ese caso.

Según mi conocimiento, hay muchas compañías de nivel intermedio que están trabajando puramente en ML donde puedes obtener una buena experiencia y no habrá tales criterios.