Quelle est la routine de travail quotidienne du scientifique en apprentissage automatique?

Je suis un étudiant en master CS dans une université allemande en train de rédiger ma thèse. Je vais avoir fini dans deux mois, je dois prendre la décision très difficile si je dois continuer avec un doctorat ou trouver un emploi dans l'industrie.

Mes raisons de faire un doctorat:

• Je suis une personne très curieuse et je sens que je manque encore de connaissances. Je veux apprendre beaucoup et le doctorat m'aidera pour cela, car je peux faire plus de bons cours et lire des tonnes d'articles et être un expert en exploration de données et en apprentissage automatique. J'adore les mathématiques, mais je n'étais pas bon dans ce domaine au premier cycle (mauvaise université). Maintenant, dans cette Uni allemande, je sens que j'ai développé de grandes compétences en mathématiques et je veux améliorer cela parce que j'aime vraiment vraiment les mathématiques! (J'étais vraiment très mauvais en mathématiques au premier cycle et au cours de ma vie, mais maintenant je vois que je peux bien faire les mathématiques!)

• Je vais travailler avec des choses intellectuellement difficiles.

• Je dois être honnête et dire que je déteste aussi voir quelqu'un d'autre avec un degré plus élevé que moi. Donc, si je marche dans la rue et que je vois quelqu'un avec un doctorat, je n'ai pas à dire "oh wow ce gars est plus intelligent que moi". Je préfère être de l'autre côté. ;)

Mes raisons de NE PAS faire de doctorat:

• J'ai lu sur Internet comment faire un doctorat ou ne pas le faire. J'ai découvert que dans la plupart des cas, les personnes titulaires d'un doctorat font le même genre de travail que les personnes titulaires d'un master. (c'était une observation générale en informatique, pas sur le ML / DM).

• Je peux commencer une carrière et gagner beaucoup d'argent en 1 ou 2 ans, puis je peux probablement créer ma propre entreprise.

Ce qui n'est pas encore clair:

Je ne sais toujours pas quel est mon objectif ultime à la fin. Est-ce pour avoir une petite entreprise célèbre? Ou est-ce pour être un scientifique célèbre? Je n'ai pas encore de réponse à cette question.

Pour m'aider à prendre une décision, je veux savoir deux choses:

• Comment est l'environnement de travail en tant que data scientist / machine learning avec un master dans l'industrie? Quel genre de travail fais-tu? Surtout quand je lis ces publicités sur Amazon en tant que scientifique en apprentissage automatique, je me demande toujours ce qu'elles font.

• La même question que précédemment, mais avec un doctorat. Faites-vous quelque chose de différent ou de la même chose qu'avec les maîtres?

• Vais-je faire face à des problèmes intéressants et difficiles? Ou des trucs ennuyeux?

Une petite note: j'ai vu un gars avec un doctorat en apprentissage automatique (en Allemagne) et je travaille dans une entreprise qui promeut un logiciel d'apprentissage automatique. Comme je l'ai compris, la plupart de son travail consiste à former les gens à utiliser les méthodes et les logiciels (arbres de décision ..etc).

Ce serait formidable si je pouvais obtenir des réponses d'expériences liées à l'Allemagne / la Suisse dans certaines bonnes entreprises célèbres.

Alex, je ne peux pas commenter spécifiquement l'Allemagne ou la Suisse, mais je travaille pour une entreprise internationale avec un effectif de plus de 100 000 personnes de tous les pays. La plupart de ces personnes ont au moins des diplômes de niveau universitaire, beaucoup ont une maîtrise et un doctorat et, à l'exception du personnel des ressources humaines et de l'administration, la plupart d'entre nous sont experts dans un ou plusieurs domaines scientifiques différents. J'ai plus de 30 ans d'expérience, j'ai travaillé en tant que spécialiste scientifique / technique qualifié, un gestionnaire, un chef de projet et finalement retourné à un rôle purement scientifique que j'apprécie. J'ai également participé à l'embauche de personnel et certaines de mes observations qui suivent pourraient vous être utiles.

1. La plupart des nouveaux diplômés ne savent vraiment pas exactement ce qu'ils veulent et il faut généralement quelques années pour le savoir. Dans la plupart des cas, leur expérience en milieu de travail s'avère être très différente de ce à quoi ils s'attendaient pour diverses raisons. Certains lieux de travail sont passionnants tandis que d'autres sont ennuyeux, ennuyeux et «politiques au travail», les mauvais patrons, etc. peuvent parfois être de gros problèmes. Un diplôme supérieur peut ou peut ne pas aider du tout avec l'un de ces problèmes.

2. La plupart des employeurs veulent des gens qui peuvent «faire le travail» et être productifs dès que possible. Les diplômes supérieurs peuvent ou non avoir de l'importance, selon l'employeur. Dans certaines situations, la porte est fermée, sauf si vous avez un doctorat. Dans d'autres situations, la porte peut être fermée PARCE QUE vous avez un doctorat et que l'employeur veut quelqu'un "moins théorique et avec plus d'expérience pratique".

3. Un doctorat ne signifie pas nécessairement des promotions plus rapides ou même une grande différence de salaire et peut ou non faire une différence dans le type de poste que vous pouvez obtenir. Généralement, lorsque j'ai interviewé des candidats, j'ai été le plus intéressé à trouver des personnes ayant une expérience professionnelle pertinente. Un doctorat pourrait être un facteur décisif final pour obtenir un poste, SI le sujet de thèse du candidat est spécifiquement pertinent.

4. Les gens ont tendance à changer d'emploi plus souvent maintenant qu'auparavant. Votre âge divisé par 2 * pi n'est pas une mauvaise règle pour un bon nombre d'années pour rester dans un emploi avant de commencer à tourner en rond. Certaines personnes travaillent pendant un certain temps puis reprennent des études supérieures. Certaines personnes (comme moi) commencent un doctorat puis obtiennent une "offre trop belle pour refuser" et quittent le doctorat pour aller travailler. Suis-je désolé d'avoir fait ça? NON, pas du tout, et si je recommençais, je ferais de toute façon un doctorat dans un sujet complètement différent.

5. La meilleure suggestion que je puisse vous donner est de faire ce que vous aimez le plus et de voir comment cela se déroule. Personne d'autre ne peut vous dire ce qui vous conviendra le mieux. Parfois, il suffit d'essayer quelque chose et, si cela ne fonctionne pas, d'en apprendre autant que possible et de passer à autre chose. Comme l'a dit Rodin: Rien n'est jamais une perte de temps si vous utilisez cette expérience à bon escient.

Avant de décrire mon opinion sur la routine du travail, je vais choisir quelques éléments de votre message qui me semblent pertinents (soulignement le mien):

1. Je suis une personne très curieuse
2. Fonctionnera avec des choses intellectuellement difficiles
3. Je dois être honnête et dire que je déteste aussi voir quelqu'un d'autre avec un degré plus élevé que moi ( vanité )
4. Je peux commencer une carrière et gagner beaucoup d'argent en 1 ou 2 ans
5. créer ma propre entreprise

Sur la base de 1 et 2, vous semblez avoir une vision très romantique de la science des données et de la recherche en général. Oui, vous pourrez travailler sur des problèmes intéressants, mais certainement 24/7 (cela s'applique à la fois à l'industrie et à la recherche).

Sur la base de 2 et 3, vous semblez considérer la recherche comme le summum de l'intellect humain et considérer un doctorat comme une certification de votre intelligence. Je ne suis pas d'accord, car:

• il existe des problèmes intellectuellement difficiles à la fois dans la recherche universitaire et dans l'industrie. Je pense que c'est une hypothèse étrange que les universitaires soient confrontés aux plus difficiles.
• avoir un doctorat ne signifie pas que vous êtes intelligent, cela signifie que vous avez ce qu'il faut pour faire de bonnes recherches dans votre domaine. La recherche ne consiste pas à être plus intelligent que quelqu'un d'autre (bien que cela aide). La créativité et l'approche des problèmes sous un angle différent sont également des qualités très importantes. Si vous voulez une preuve que vous êtes plus intelligent que la personne suivante, passez des tests Mensa, pas un doctorat.

_{À mon avis, les gens les plus intelligents sont ceux qui finissent par vivre une vie heureuse avec les choix qu'ils ont faits, qu'il s'agisse de devenir physicien nucléaire ou charpentier. Ne prenez pas vos décisions en fonction de si elles vous accordent quelque chose à montrer.}

Sur la base de 4 et 5, il semble que vous envisagiez de créer votre propre entreprise à un moment donné. Sachez que lorsque vous faites des startups, même celles axées sur la technologie, vous n'allez probablement pas passer la majorité de votre temps avec la technologie actuelle. Le marketing, les plans d'affaires, la gestion, etc., etc. sont tous également (sinon plus) importants pour les startups prospères. Comment pensez-vous qu'un doctorat pourra vous aider?

Maintenant que ces préliminaires sont terminés: mon opinion personnelle sur la routine de travail d'un scientifique en apprentissage automatique. Tout d'abord: vous travaillez avec des méthodes de pointe sur des ensembles de données volumineux / complexes / intéressants en mettant l'accent sur votre choix. C'est très certainement un travail très intéressant.

... MAIS

Le véritable apprentissage automatique implique beaucoup de travail de grognement

Vous ne passerez pas toutes les heures de travail dans un monde utopique plein d'élégance mathématique pendant qu'une armée d'ordinateurs fera vos enchères. Une grande partie de votre temps sera consacrée à des travaux difficiles: gestion de bases de données, préparation d'ensembles de données, normalisation de trucs, gestion des incohérences, etc. etc. Je passe la majorité de mon temps à effectuer des tâches comme celles-ci. Ils ne deviennent pas plus excitants avec le temps. Si vous n'êtes pas passionné par votre sujet, vous finirez par perdre la motivation pour faire ces choses.

Si vous avez suivi des cours d'apprentissage automatique, vous obtenez généralement des ensembles de données bien étiquetés sans incohérences, sans données manquantes, où tout est comme il se doit. Ce n'est pas de l'apprentissage automatique dans la vraie vie. Vous passerez la majeure partie de votre temps à essayer d'arriver au point où vous êtes prêt à exécuter votre algorithme préféré.

Gestion des attentes dans les collaborations

Si vous voulez faire des projets interdisciplinaires, vous devrez apprendre à travailler avec des gens qui ne savent pas ou peu de choses sur ce que vous faites (cela est vrai pour toute spécialisation). Dans l'apprentissage automatique, cela implique souvent l'un des deux scénarios suivants:

• Vos collaborateurs ont vu trop de télévision et pensent que vous pouvez tout résoudre, avec un algorithme sophistiqué et de nombreuses visualisations intéressantes.
• Vos collaborateurs ne comprennent pas les techniques que vous utilisez et ne voient donc pas les avantages ou les applications potentielles.

• Comment est-ce de travailler en tant que data scientist / machine learning avec un master dans l'industrie? Quel genre de travail fais-tu? Surtout quand je lis ces publicités sur Amazon en tant que scientifique en apprentissage automatique, je me demande toujours ce qu'elles font.

Les problèmes commerciaux ne changent pas vraiment en fonction de votre diplôme, vous devriez donc regarder les mêmes choses ou des choses similaires. Si vous travaillez dans une grande organisation, vous travaillez sur les grands ensembles de données de l'entreprise. Il peut généralement s'agir de données produit / client ou de données opérationnelles (données de processus chimique, données de marchés financiers, données de trafic de sites Web, etc.). L'objectif final générique est de tirer parti des données pour économiser de l'argent ou faire de l'argent pour l'entreprise.

• La même question qu'auparavant, mais avec un doctorat. Faites-vous quelque chose de différent ou de la même chose qu'avec les maîtres?

La réponse est comme ci-dessus, vous feriez à peu près les mêmes choses. Cependant, dans la recherche / analyse quantitative / ou dans un service technique similaire d'une grande entreprise internationale, si vous avez un doctorat, vous avez un avantage sur quelqu'un avec un MSc. en termes de progression de carrière. Le doctorat vous enseigne (ou est censé enseigner) à être un chercheur indépendant, donc avec un doctorat, l'entreprise `` valorise '' généralement votre travail (compétences inquisitrices et diligence) un peu plus. MAIS je déconseille fortement de faire un doctorat, juste pour une progression de carrière (potentiellement) plus rapide. Faire un doctorat est un processus difficile et, surtout vers la fin, douloureux, vous devriez aimer (idéalement aimer) votre sujet et, à mon avis, avoir un intérêt potentiel à rester dans le monde universitaire (ce qui est un proxy pour révéler votre affinité pour la recherche et le sujet particulier) afin de le rendre supportable.

Gardez également à l'esprit que si vous retournez dans l'industrie avec un doctorat, vous serez à la traîne dans l'échelle de carrière et pourriez finir par être canalisé vers un rôle de support technique (qui paie moins par rapport aux personnes qui gagnent de l'argent réel pour l'entreprise) - qui peut ne pas être votre objectif principal. Enfin, si vous travaillez dans une petite entreprise, dans votre propre entreprise, l'avantage d'avoir un doctorat disparaît pratiquement en termes de progression de carrière ou de salaire.

• Vais-je faire face à des problèmes intéressants et difficiles? Ou des trucs ennuyeux?

Je suppose qu'il n'y a pas de réponse générique à cela. ML est interdisciplinaire. Si vous travaillez en tant qu'analyste, vous examinez généralement les données et essayez de créer des modèles.Si vous êtes du côté du développement, vous vous retrouvez avec les petits trucs de la mise en œuvre. Si vous êtes face au client, vous devrez peut-être faire beaucoup de tenue de main et de formation des clients (mais gagner probablement plus d'argent). Habituellement, la réponse à votre question dépend de vos préférences personnelles et de la flexibilité offerte par votre employeur.

Ou vous pouvez essayer de rejoindre un groupe de recherche où les statisticiens et les apprenants en machine ne sont pas une apparence quotidienne. Par exemple, infestation et propagation de maladies, botanique ou écologie, insecte social ou peut-être sciences sociales?

Je ne peux pas vous donner d'exemples exacts, mais si vous êtes un bon statisticien / ML dans un endroit où il n'y en a que peu, les gens et les différentes propositions de recherche vous trouveront. Le fait est que vous serez vraiment en demande sans trop d'effort de votre part.

Si vous aimez cette idée, essayez de rechercher des problèmes d'apprentissage automatique en dehors de vos sujets actuels (industrie), et vous trouverez peut-être le moyen de trouver vos "problèmes intéressants et difficiles" et "de travailler avec des choses intellectuellement difficiles".

Je suis d'accord avec les autres réponses. Je voudrais simplement souligner qu'une façon courante (au moins aux États-Unis) pour les gens comme vous qui hésitent entre poursuivre un doctorat ou faire de l'industrie après leurs diplômes de premier cycle est de postuler pour un doctorat, puis de prendre un congé (un an ou plus) si les choses ne sont pas aussi bonnes que prévu ou si vous souhaitez simplement explorer l'industrie. Il est généralement plus facile de postuler au doctorat juste après le premier cycle: vous n'avez pas encore oublié l'habitude de passer des examens (GRE), des professeurs qui vont rédiger des lettres de recommandation pour vous se souviennent toujours bien de vous, etc.

De plus, dans votre comparaison entre le doctorat et l'industrie, parmi les opportunités que vous avez, vous voudrez peut-être comparer l'accès à des ensembles de données intéressants, la disponibilité du cluster informatique, les compétences en génie logiciel de l'endroit et le nombre de personnes affectées à chaque projet.

Enfin, vous pouvez trouver beaucoup de choses intellectuellement difficiles dans l'industrie, par exemple, consultez IBM / Google / Microsoft / Nuance / Facebook / etc. département de recherche (tout comme vous pouvez trouver beaucoup d'universités de choses intellectuellement sans défi). Par exemple, les gens derrière SVM travaillaient chez AT&T, IBM Watson est chez IBM, Google Translate est l'un des meilleurs systèmes de traduction automatique, Nuance et Google ont le meilleur système de reconnaissance vocale, et ceux-ci sont très loin d'exemples isolés. En fait, je me suis toujours demandé qui parmi l'industrie et le monde universitaire contribuaient le plus à la recherche sur l'apprentissage automatique (j'avais posé la même question concernant la recherche dans la base de données sur Quora: la recherche dans la base de données a-t - elle été principalement menée par l'industrie au cours de la dernière décennie? ).

Pour obtenir un doctorat, vous devez faire progresser l'état des connaissances humaines. Vous n'avez pas seulement à apprendre plus de choses. Vous devez produire quelque chose d'original. C'est un processus long, lent et douloureux, et tout le monde n'y réussit pas. Donc, vous ne devriez faire un doctorat que si vous pensez avoir une nouvelle contribution créative au domaine en vous.

Si vous voulez simplement apprendre le domaine et l'appliquer, prenez tout au plus votre maîtrise, puis passez le reste de votre vie à apprendre pendant que vous postulez. Lisez les choses. Prenez l'atelier occasionnel. Si, à un moment donné, vous avez l'envie de faire quelque chose de vraiment original, faites une (longue) pause dans votre carrière et essayez d'obtenir ce doctorat.

Lorsque vous choisissez le / célèbre petite entreprise / itinéraire, vous avez la liberté d'établir un département de recherche dans votre entreprise.

Ici, vous pouvez devenir ennuyeusement créatif, comme dans, sans restriction ... explorez tous vos fantasmes d'enfance, des choses intellectuellement difficiles ... vous définissez le rythme ... vous serez / l'homme /.

Vous n'avez pas à vous asseoir à University Labs pour rédiger un document / Killer / research.

Malgré cela, pendant que vous y êtes, vous pouvez toujours vous coordonner avec les départements de recherche concernés à l'Univ. voir...? zwei vögel mit eines stein :-)

... quelqu'un d'autre avec un diplôme supérieur ...

Eh bien, la vanité, avec modération, nous motive à rechercher le meilleur possible.

Bonne chance.

yb