Passer à une carrière dans le Machine Learning [fermé]

Mon travail de jour est le développement de logiciels anciens. Je fais également mon Master en CS (temps partiel, en cours). J'ai suivi un cours sur l'IA et j'ai trouvé l'apprentissage automatique assez fascinant, mais comme la plupart des cours, il ne proposait qu'une introduction de base.

J'ai l'intention d'en savoir plus sur le Machine Learning et si possible d'obtenir un emploi dans ce domaine. Lorsque je regarde les offres d'emploi dans ce domaine, il est clair qu'un doctorat en apprentissage automatique (ou une expérience antérieure dans le domaine avec une expertise considérable) est requis pour la plupart d'entre eux.

Je recherche des conseils sur l'auto-apprentissage pour acquérir une expérience utile dans l'industrie. Au moins, assez d'expérience pour mettre la main à la pâte. Je ferai les choses évidentes comme lire des manuels, des articles, etc. Peut-être des efforts open source auxquels je peux participer ou quelque chose que je pourrais faire par moi-même?

Toutes mes excuses si je suis vague ici, mais j'espère qu'il y a au moins quelques-uns d'entre vous qui ont fait un changement similaire et qui peuvent vous conseiller.

Merci !

Vous avez raison, l'apprentissage automatique est un domaine fascinant. Je suis moi-même sur le point de terminer mes études universitaires avec une forte concentration sur l'apprentissage automatique et je chercherai bientôt un emploi dans le domaine général. Je n'ai pas non plus tout à fait compris comment procéder.

Mais l'apprentissage automatique général est un domaine assez large. Je suggérerais d'être plus précis. Quel domaine qui comprend l'apprentissage automatique vous intéresse le plus? Il y en a beaucoup à choisir:

• reconnaissance vocale / traitement du langage naturel
• traitement d'image / vidéo / vision par ordinateur
• systèmes médicaux
• détection de fraude
• moteurs de recherche
• interfaces homme-ordinateur
• ...

Tous ces domaines (peuvent) inclure des techniques d'apprentissage automatique.

D'après mon expérience, la plupart des cours généraux d'apprentissage automatique ne présenteront les bases de nombreuses techniques que pour deux raisons:

1. comme je l'ai dit: le champ est juste trop large pour aller vraiment en profondeur partout
2. la plupart des techniques n'ont de sens que si elles sont combinées avec des applications réelles

Je n'ai jamais vraiment bloqué les SVM jusqu'à ce que je doive les utiliser dans mes propres recherches. Je n'ai jamais vraiment compris les différents algorithmes utilisés sur les HMM jusqu'à ce que je travaille sur le traitement de la parole.

Et lorsque je recherche un emploi, je pense que c'est similaire: les entreprises sont plus susceptibles de rechercher des personnes ayant de l'expérience / des connaissances dans le domaine spécifique dans lequel elles travaillent, plutôt que dans le domaine général de l'apprentissage automatique. Les emplois d'apprentissage automatique sont plus susceptibles d'être des postes de recherche / doctorat / postdoc.

Le traitement du langage naturel comme application pratique de l'apprentissage automatique

Je travaille à temps plein et j'étudie à temps partiel dans un programme de maîtrise en linguistique informatique (alias PNL, traitement du langage naturel). Il y a une tonne d'apprentissage automatique dans ce domaine, comme pour la reconnaissance vocale, la classification de documents, etc. La clé est une base solide sur les mathématiques, les statistiques et la notation logique. Prenez des cours dans ces domaines pour apprendre (ou consolider vos connaissances) avant d'obtenir votre diplôme, car l'apprentissage de ce sujet par vous-même peut être difficile.

Livres

Notez également que contrairement à de nombreux autres domaines CS, le domaine de l'apprentissage automatique est fermement divisé entre les praticiens et les théoriciens. Les praticiens utilisent l'apprentissage automatique comme outils, tandis que les théoriciens veulent prouver et améliorer les méthodes d'apprentissage automatique. Le problème qui en résulte est que les livres sur l'apprentissage automatique sont généralement écrits du point de vue des théoriciens, comme le livre de Hastie. Le seul livre de pratiquant que j'ai trouvé est "Programming Collective Intelligence" de Segaran, qui couvre les concepts de base. Je n'ai toujours pas trouvé de bon livre de pratiquant sur SVM, PCCM, etc.

L'apprentissage automatique a une énorme quantité de probabilités et de statistiques, donc prendre quelques cours avancés dans ces matières serait un excellent point de départ.