技术 | AI自学者如何通过面试拿到Offer

大家好,我是Lucy@FinTech 社区。

下面是知名论坛-reddit的机器学习板块的热门问题。“在机器学习招聘者眼中,自学成才的人可以用哪些内容说服面试官,如何才能适应并跟上那些具有专业背景的人?”

相信这个问题也是许多想转行到AI或是机器学习领域的朋友所关心的,下面列出两个最高票的回答:

 

回答1:


 

将自己的所作的项目加以实施,使其进入实践和应用环节,做到这一点就已经超过了99%的应届毕业生,和大多数当前的ML工程师。(后面有人甚至补充到:超过99.9%的机器学习工程师)


 

答案中还解释道:即使你可能拿到了学士、硕士、博士的文凭,但你也却并没有将模型投入生产之中。做到这一步需要一系列的技能,而这些仅仅通过教材、论文是学不到的。当你和其他有着更好资历、更丰富经验的候选人竞争时,可以尝试这么和面试官说:毫无疑问,你们已经有了XXX个机器学习博士,但是我的实际经验,比拥有X+1个机器学习博士更有价值。


 

不过随后有人提出:在家如何才能让自己所做的项目和研究进入实践和生产环节呢?


 


 

网友也给出了几条建议:


 

1. 将自己的机器学习模型搭建到网站或者其他人可以访问到的地方(如API)。它们不需要那么复杂,只需要产生价值即可。


 

2. 将自己的项目托管到Azure,aws,gcloud上。


 

第二个回答的作者是在一家大公司工作的,也给出了十分有用的建议:


 

1. 对于研究科学家这样的职位,没有博士文凭以及十分优秀的论文的人并不会有太多的机会。


 

2. 对于研发工程师,他面试过不少人,下面是提出的建议:


 

不要做的事:


 

1.不要让自己像一个渴望“解决酷问题”的小孩,好像公司付钱给你是为了让你不觉得无聊和/或学习很酷的东西。不,公司付钱给你是希望你产生的工资2倍的价值。除了“我不想构建另一个CRUD app / etl管道/维护大代码库”之外,你还需要有充分的理由去做ML。如果您对ML非常了解,那么在面试钱,您肯定知道您的大部分工作都将用于数据清理等,而且很少有时间尝试使用不同的DNN架构。

2.不要总是说自己学过Andrew Ng的课程 。每个人都采用过它。甚至公司的董事也只是为了学习新东西,而听Andrew Ng的课。DL证书对您来说应该不是什么新鲜事。


 

3.当我们提出假设问题时,不建议将ML作为第一个解决方案。许多真正的单词问题可以在没有ML的情况下解决,你需要能够证明你会选择最实用的解决方案,而不仅仅是因为你要做一个机器学习研究者就选择ML。


 

接下来是一些建议,不需要全部都做,只要能到达其中两项,就可以帮助你从众多候选人中脱颖而出:


 

1.在之前的公司你已经主动将机器学习应用到工作之中。


 

2.你已经搭建了一个网站来演示一些你建立A.I.项目。这也表明你懂得一套工作栈。你不需要成为一个专业人士来构建一个完整的堆栈应用程序,使用库或框架来做大部分工作是完全可以接受的(而且这样也可以充分利用你的时间)。关键是你可以让我们很容易看到你的模型在运行,侧面表明你也可以编码。


 

3.你在Arxiv写了一篇论文和/或在Github上写了一段代码,讨论你如何在Kaggle比赛中取得好成绩。


 

4.你有一个博客记录您在该领域的学习记录。如果那里有很多有用的复制粘贴内容,即使它是十分基础的,你也已经在创造价值了。


 

5.了解如何托管你的模型。了解Apache Spark(或在云上进行部署,具体什么堆栈无关紧要)或类似的框架都是一大优点。我看到有一些很棒的模型并没有投入生产,是因为它们不能扩展。了解大数据是另一种脱颖而出的方式。


 

6.你需要成为一名优秀的软件工程师。因为你的竞争对手是已经有过相关工作经历的软件工程师,工作经历会使得他们掌握类似的知识。


 

尝试从公司的角度出发。你可以在机器学习领域特别突出,也可以帮助你形成别的技能。


 


 

看了这个问题下的大部分回答,总结如下:


 

1. 如果是自学成才的ML人才,没有很高文凭,发表过很厉害的论文,那么可以从实践作为突入点,将自己的机器学习模型运用起来,挂在网站上,开放API等等。总之就是证明自己曾运用ML的知识来产生价值。


 

2.不要一直展示自己学过什么网课,获得过什么网课认证之类的东西,或者表现的自己像是打算用ML知识来解决复杂问题,不屑于做处理数据之类的活的样子,还是要踏实一点。