¿Cuál es el trabajo diario de la rutina de la máquina de aprendizaje científico?

Question

Soy un maestro CS estudiante en una universidad alemana ahora la escritura de mi tesis. Voy a hacer en dos meses tengo que hacer la muy difícil decisión de si debo continuar con un Doctorado, o de encontrar un trabajo en la industria.

Mis razones para hacer un Doctorado:

• Soy una persona muy curiosa y me siento que me falta mucho conocimiento. Quiero aprender mucho y el doctor me va a ayudar para que, ya que me puede hacer más bien los cursos y leer toneladas de papeles y ser un experto en minería de datos y aprendizaje automático. Me encantan las matemáticas, pero no era bueno hacerlo en mi carrera malo (uni). Ahora, en esta alemán Uni me siento que he desarrollado una gran cantidad de habilidades matemáticas y quiero mejorar eso porque realmente me encantan las matemáticas! (Yo estaba realmente muy mal en matemáticas en mi carrera y en mi vida, pero ahora veo que puedo hacer matemáticas bien!)

• Voy a trabajar con intelectualmente desafiante cosas.

• Tengo que ser honesto y decir que también odio ver a alguien con un mayor grado de mí. Así que si ando en la calle y ver a alguien con un Doctorado, no tengo que decir "oh, wow, este chico es más inteligente que yo". Yo prefiero estar en el otro lado. ;)

Mis razones para NO hacer un Doctorado:

• He leído en internet acerca de hacer un Doctorado, o de no hacerlo. Me enteré de que en la mayoría de los habituales casos de personas con un Doctorado hacer el mismo tipo de trabajo de personas con masters. (que fue una observación general en ciencias de la computación, no se trata de ML/DM).

• Puedo empezar una carrera y hacer un montón de dinero en 1 o 2 años, entonces es probable que pueda crear mi propia empresa.

Lo que no está claro todavía:

Yo todavía no sé cuál es mi objetivo final en el final. Es tener a un famoso de la pequeña empresa? O es que para ser un científico famoso? Todavía no tengo una respuesta para esta pregunta todavía.

Para que me ayuden a tomar una decisión quiero saber dos cosas:

• ¿Qué se siente al trabajar como un científico de datos/máquina de aprendiz con un maestro de grado en la industria? ¿Qué tipo de trabajo que usted realiza? Especialmente cuando leí los anuncios en Amazon como una máquina de aprendizaje científico, siempre me pregunto lo que hacen.

• La misma pregunta que antes, pero con un Doctorado. Hacer algo diferente o lo mismo como con los maestros?

• Voy a tratar con difíciles problemas interesantes? O algunas cosas aburridas?

Como una leve nota: he visto a un hombre con un Doctorado en aprendizaje de máquina (en Alemania) y está trabajando en una empresa que promueve una máquina de aprendizaje de software. Por lo que he entendido la mayor parte de su trabajo es la capacitación de las personas para utilizar los métodos y software (árboles de decisión, etc..).

Sería genial si puedo conseguir algunas respuestas de experiencias relacionadas con la Alemania/Suiza en algunos famosos buenas compañías.

Answer 1

Alex, no puedo comentar específicamente en Alemania o Suiza, pero yo trabajo para una empresa internacional con una plantilla de más de 100.000 personas de todos los países diferentes. La mayoría de estas personas tienen al menos a nivel de posgrado grados, muchos han Masters y Doctorados y, salvo los de recursos humanos y de Administración de personal de la mayoría de nosotros somos expertos en uno o más dominios científicos. Tengo más de 30 años de experiencia, ha trabajado como experto científico / técnico especialista, un gerente, un jefe de Proyecto y, finalmente, volvieron a la puramente científica papel que me gusta. También he estado involucrado con la contratación de personal y tal vez algunos de mis observaciones que siguen pueden ser de valor para usted.

1. La mayoría de los nuevos graduados en realidad no se sabe exactamente lo que quiere y por lo general toma un par de años para averiguarlo. En la mayoría de los casos, su experiencia laboral resulta ser bastante diferente en comparación con lo que había esperado para una variedad de razones. Algunos lugares de trabajo son emocionantes, mientras que algunos son aburridos, aburridos y "lugar de trabajo de la política", los malos jefes, etc a veces pueden ser grandes problemas. Un mayor grado puede o no puede ayudar a todos con alguno de estos problemas.

2. La mayoría de los empleadores quieren que la gente que puede "hacer el trabajo" y ser productivo tan pronto como sea posible. Grados superiores pueden o no de la materia, dependiendo del empleador. En algunas situaciones, la puerta está cerrada, a MENOS que usted tiene un Doctorado. En otras situaciones, la puerta puede ser cerrada DEBIDO a que usted tiene un Doctorado y el empleador quiere a alguien "menos teórico y más práctico de la experiencia".

3. Un Doctorado no significa necesariamente más rápido promociones o incluso mucha diferencia en el salario y puede o no puede hacer ninguna diferencia para el tipo de posición que puede obtener. Generalmente cuando yo he sido entrevistar a los candidatos, he estado muy interesada en encontrar a gente con trabajos relevantes relacionados con la experiencia. Un Doctorado podría ser un último factor decisivo en la obtención de una posición, SI el candidato de la tesis tema es específicamente relevante.

4. Las personas tienden a cambiar de trabajo cada vez es más frecuente de lo que están acostumbrados en el pasado. De su edad, dividido por 2*pi no es una mala regla de oro para un buen número de años para mantenerse en un puesto de trabajo antes de empezar a dar vueltas en círculos. Algunas personas trabajan por un tiempo y luego regresar a los estudios superiores. Algunas personas (como yo) se inicia en un Doctorado y, a continuación, obtener una "oferta demasiado buena para rechazar" y dejar el Doctorado para ir a trabajar. Estoy triste yo que? NO, no en todos, y si yo fuera a empezar de nuevo, me gustaría hacer un Doctorado en un tema completamente diferente de todos modos.

5. La mejor sugerencia que te puedo dar es hacer lo que más te gusta hacer y ver cómo se desarrolla. Nadie puede decir cuál será el mejor para usted. A veces sólo tienes que probar algo y, si no funciona, entonces aprender tanto como pueda de esto y pasar a otra cosa. Como Rodin dijo: nunca Nada es una pérdida de tiempo si se usa la experiencia sabiamente.

Answer 2

Antes de describir mi opinión de trabajo de rutina, voy a recoger algunas piezas de tu post que creo que son relevantes (el énfasis es mío):

1. Soy muy curioso persona
2. Trabajará con intelectualmente desafiante cosas
3. Tengo que ser honesto y decir que también odio ver a alguien con un grado más alto que yo (vanidad)
4. Puedo empezar una carrera y hacer un montón de dinero en 1 o 2 años
5. iniciar mi propia empresa

Basado en 1 y 2, que parecen tener un muy romántica vista de los datos de la ciencia y la investigación en general. Sí, usted va a trabajar en problemas interesantes, pero sin duda 24/7 (esto se aplica tanto a la industria y la investigación).

Basado en 2 y 3, que parecen considerar la investigación como el pináculo de la inteligencia humana y estudiar un Doctorado como de la certificación de su inteligencia. No estoy de acuerdo, porque:

• hay intelectualmente desafiantes problemas, tanto de la investigación académica y la industria. Creo que es una extraña suposición de que los universitarios se enfrentan los más difíciles.
• tener un Doctorado no significa que usted es inteligente, esto significa que usted tiene lo que se necesita para hacer una buena investigación en su campo. La investigación no se trata de ser más inteligente que los demás (aunque ayuda). La creatividad y abordar los problemas desde un ángulo diferente también son muy importantes cualidades. Si desea algún tipo de prueba de que usted es más inteligente que la persona que está al lado, tomar Mensa pruebas, no un Doctorado.

_{En mi opinión personal las personas más inteligentes son las que terminan viviendo una vida feliz con las decisiones que han tomado, ya que significa convertirse en un físico nuclear o un carpintero. No tomar sus decisiones en función de si o no se le conceda algo para mostrar.}

Basado en 4 y 5, parece que usted se imagina a partir de su propia compañía en algún momento. Ser conscientes de que cuando se realizan nuevas empresas, incluso orientados a la tecnología, usted probablemente no va a pasar la mayoría de su tiempo con la tecnología actual. De Marketing, planes de negocio, gestión, etc. etc. son todos igual de importante (si no más) importante para el éxito de las startups. ¿Cómo se puede esperar un Doctorado para ayudar?

---

Ahora que estos preliminares son de la siguiente manera: mi opinión personal sobre el trabajo de rutina de una máquina de aprendizaje científico. Primero de todo: puedes trabajar con el estado de la técnica de los métodos en grande/complicado/interesantes conjuntos de datos con un énfasis de su elección. Es ciertamente muy interesante de trabajo.

... PERO

Real de la máquina de aprendizaje implica un montón de trabajo duro

Usted no pasan cada hora de trabajo en un mundo utópico lleno de elegancia matemática, mientras que un ejército de los equipos cumple con su mandato. Una gran parte de su tiempo se gasta haciendo el trabajo pesado: gestión de bases de datos, preparación de conjuntos de datos, la normalización de las cosas, tratar con inconsistencias, etc. etc. Me paso la mayoría de mi tiempo a hacer las tareas como estos. No crecen más emocionantes a lo largo del tiempo. Si no eres un apasionado de su tema, que finalmente se pierde la motivación para hacer estas cosas.

Si usted ha tomado la máquina de las clases de aprendizaje que suele ponerse bien etiquetados conjuntos de datos sin inconsistencias, sin que falten datos, donde todo es como debe ser. Esta no es la vida real de la máquina de aprendizaje. Usted pasará la mayor parte de su tiempo en tratar de llegar al punto donde usted está listo para ejecutar su favorito algoritmo.

La gestión de las expectativas en las colaboraciones

Si quieres hacer proyectos interdisciplinarios, usted tendrá que aprender a trabajar con personas que saben poco o nada acerca de lo que hacer (esto es cierto para cualquier especialización). En el aprendizaje de máquina que, a menudo, implica uno de los dos escenarios:

• Sus colaboradores han visto demasiada TELEVISIÓN y creo que se puede solucionar todo, con un algoritmo de lujo y un montón de fresco visualizaciones.
• Sus colaboradores no entienden las técnicas que utiliza y, como tal, no ven los beneficios o posibles aplicaciones.

Answer 3

•¿Qué se siente al trabajar como un científico de datos/máquina de aprendiz con un grado de maestro en la industria? ¿Qué tipo de trabajo que usted realiza? Especialmente cuando leí los anuncios en Amazon como una máquina de aprendizaje científico, me siempre me pregunto lo que hacen.

Los problemas de negocio realmente no cambian, dependiendo de su grado, por lo que sería en el mismo o cosas similares. Si usted trabaja en una gran organización, trabajo en la compañía de grandes conjuntos de datos. Este suele ser el producto/datos del cliente o datos operativos ( proceso químico de datos, los mercados financieros de los datos, sitio web, tráfico de datos, etc.). El genérico objetivo final es aprovechar los datos para ahorrar dinero o ganar dinero para la empresa.

•La misma pregunta que antes, pero con un Doctorado. Hacer algo diferentes o la misma cosa que con los maestros?

La respuesta es como el anterior, se podría hacer prácticamente las mismas cosas. Sin embargo, en la investigación / quantiative análisis / o similar departamento técnico de una gran empresa internacional, si usted tiene un Doctorado, tienen una ventaja sobre alguien con un MSc. en términos de la progresión de la carrera. Doctorado enseña (o se supone que debe enseñar) a ser un investigador independiente, así que con un doctorado, la compañía generalmente de 'valores' de su trabajo (inquisitivo habilidades y diligencia) un poco más. PERO yo les recomiendo vivamente en contra de hacer un Doctorado, sólo por el bien de (potencialmente) más rápida progresión de la carrera. Haciendo un Doctorado es un duro y -especialmente hacia el final - proceso doloroso, usted le tiene que gustar (lo ideal es amor) el sujeto y también en mi opinión tienen un interés potencial para permanecer en la academia (que es proxy para revelar su afinidad hacia la investigación y la partiuclar tema) con el fin de hacerla más llevadera.

También tenga en mente que ir de nuevo a la industria, con un Doctorado, que se había quedado atrás en la carrera de la escalera y puede terminar siendo canalizada hacia una orientación técnica de soporte de papel (que paga menos en comparación con aquellas personas que ganan dinero real para la empresa) - que puede no ser su principal objetivo. Por último, si usted está trabajando en una pequeña escala de la empresa, en su propia empresa, la ventaja de tener un Doctorado prácticamente desaparece en los términos de la progresión de la carrera o salario.

•Voy a tratar con difíciles problemas interesantes? O algunos cosas aburridas?

Supongo que no es genérico respuesta a esta. ML es transversal. Si usted trabaja como analista, se suele mirar los datos y tratar de construir modelos, si usted está en el lado del desarrollo, que al final tiene que tratar con la knitty-gritties de la aplicación. Si usted está orientada a cliente, usted puede tener que hacer un montón de tomarse de la mano y la formación de los clientes (pero es probable que ganar más dinero). Normalmente, la respuesta a tu pregunta depende de la preferencia personal y también la flexibilidad de su empleador provee.

Answer 4

O usted puede intentar para unirse a algún grupo de investigación donde estadísticos de la máquina y los estudiantes no son un diario apariencia. Por ejemplo, la infestación y la propagación de enfermedades, o la botánica ecología de insectos sociales o tal vez las ciencias sociales?

De los que no puedo dar a usted exacto ejemplos, pero si usted es un buen estadístico/ML en un lugar donde no son sólo unos pocos de ellos, de la gente y las diferentes propuestas de investigación va a encontrar. El punto es, que usted va a ser muy de la demanda, sin demasiado esfuerzo de su parte.

Si te gusta la idea, de tratar de buscar la máquina de problemas de aprendizaje fuera de su temas de actualidad (la industria), y tal vez usted encontrará la manera de cómo encontrar su "desafío interesante problemas" y "trabajar con intelectualmente desafiante cosas".

Answer 5

Estoy de acuerdo con las otras respuestas. Sólo quiero subrayar que una forma común (al menos en los EE.UU.) para personas como usted, que duda entre continuar con un Doctorado o haciendo la industria después de sus estudios universitarios de grado superior es para solicitar de Doctorado, a continuación, tomar un permiso de ausencia (un año o más) si las cosas no son tan grandes como se esperaba o simplemente quieren explorar la industria. Generalmente es más fácil de aplicar para el Doctorado de derecho después de pregrado: usted no ha olvidado aún el hábito de realizar los exámenes (GRE), los profesores que van a escribir cartas de recomendación para los que aún lo recuerdan bien, etc.

También, en su comparación entre el Doctorado y la industria, entre las oportunidades que tenga, es posible que desee comparar el acceso a interesantes conjuntos de datos, equipo de clúster de disponibilidad, ingeniería de software habilidades del lugar y de cómo muchas personas están asignados a cada proyecto.

Por último, usted puede encontrar una gran cantidad de intelectualmente desafiante cosas en la industria de la así, por ejemplo, echa un vistazo IBM/Google/Microsoft/Matiz/Facebook/etc. departamento de investigación (al igual que usted puede encontrar un montón de intelectualmente poco gratificante cosas academia). E. g. la gente detrás de SVM estaban trabajando en la at&T, IBM Watson, de IBM, el traductor de Google es uno de los mejores sistema de traducción automática, los Matices y Google tiene la parte superior sistema de reconocimiento de voz, y los que están muy lejos de ser casos aislados. De hecho siempre me he preguntado que entre la industria y la academia contribuyen en mayor medida hacia la máquina de la investigación del aprendizaje (yo tenía la misma pregunta con respecto a la base de datos de investigación en Quora: la base de datos de la investigación ha sido principalmente impulsado por la industria a lo largo de la última década?).