Andrew Ng: Makine Öğrenimi Alanında İş Bulma

Makine Öğrenimi’nde nasıl iş bulabilirim?

Andrew Ng, Coursera’nın Kurucularından; Stanford Üniversitesi’nde Misafir Profesör Cevaplama tarihi: 29.Ocak.2016 • Featured on Quora Sessions's Twitter

Çeviren: Ahmet Diril (e-posta)

Cevaplanan Orijinal Soru: Andrew Ng: Makine Öğrenimi'nde bir kariyere başlamak için en iyi yöntemler nelerdir?

Coursera’daki Stanford makine öğrenimi kursu, makine öğrenimine başlamak isteyen kalabalık bir kitleye yardımcı olmak için tasarlandı. Herhangi bir programlama dilinde temel programlama bilgilerine aşinaysanız, oradan başlamanızı öneririm.

Birçok kişi sadece o MOOC’yi (Kitlesel Çevrimiçi Açık Dersler) tamamlayarak makine öğreniminde iş sahibi oldu. Yardımı olabilecek benzer başka çevrimiçi kurslar da var; örneğin John Hopkins Veri Bilimi uzmanlığı. Kaggle’a veya diğer çevrimiçi makine öğrenimi yarışmalarına katılarak da deneyim kazanabilirsiniz. Kaggle’ın pratik beceriler öğrenebileceğiniz çevrimiçi tartışmalar yapan bir topluluğu var. Yerel buluşmalara (meet-up) ya da (mümkünse) akademik konferanslara katılmak ve daha tecrübeli insanlarla konuşmak da yardımcı olacaktır.

Ama en önemli şey öğrenmeye devam etmektir. Sadece birkaç ay değil, yıllarca.

Her Cumartesi (veya tatil gününde), evde kalıp araştırma makaleleri okumak/algoritmaları uygulamak ve TV seyretmek arasında seçim yapmanız gerekecek. Tatil günlerinizi çalışarak geçirdiğinizde muhtemelen kısa vadede bir ödülü olmayacak ve patronunuz fark etmeyecek ve “aferin” de demeyecek. Ayrıca, yoğun çalışmayla geçirdiğiniz bir tatil gününden sonra, aslında makine öğreniminde çok fazla ilerlemiş de olmayacaksınız. Fakat işin sırrı şurada: Bunu sadece bir hafta sonu değil bütün bir yıl boyunca sürekli olarak yaparsanız, o zaman çok iyi olacaksınız.

ML uzmanları için günümüzde çok fazla talep var; ML’de bir iş bulduktan sonra, öğrenmeniz daha da hızlanacaktır.

Dünyanın sorunlarını çözmek için daha fazla makine öğrenimi uzmanına ihtiyacı var. Toplumumuzda veri ve hesaplama kaynakları o kadar çok ki ML şu anda inanılmaz şeyler yaratmanızı sağlayacak bir süper güç gibi; ancak etrafımızda bu işi yapabilecek yeterince insan yok. Umarım birçok okuyucum çok çalışır ve ML’de üst seviyelere gelir!

How should you start a career in Machine Learning?

Andrew Ng, Co-founder of Coursera; Adjunct Professor of Stanford Answered Jan 29, 2016 • Featured on Quora Sessions's Twitter

Originally Answered: Andrew Ng: What are the best ways to start a career in Machine Learning?

The Stanford machine learning on Coursera was designed to help a broad audience get started in machine learning. If you're familiar with basic programming (in any language), I'd recommend starting there.

Many people have gotten jobs in machine learning just by completing that MOOC. There're other similar online courses that help; for example the John Hopkins Data Science specialization. Participating in Kaggle or other online machine learning competitions has also helped people gain experience. Kaggle has a community with online discussions from which you can learn practical skills. Attending local meetups or academic conferences (if you can afford it) and talking to more experienced people will also help.

But the most important thing is to keep on learning. Not just for a few months, but for years.

Every Saturday, you will have a choice between staying at home and reading research papers/implementing algorithms, vs. watching TV. If you spend all Saturday working, there probably won't be any short-term reward, and your current boss won't even know or say "nice work." Also, after that Saturday of hard work, you're not actually that much better at machine learning. But here's the secret: If you do this not just for one weekend, but instead study consistently for a year, then you will become very good.

There's a lot of demand today for ML people; once you get a job in ML, your learning will only accelerate further.

The world needs more machine learning people to help solve its problems. Our society has so much data and compute resources that ML is now a superpower that lets you create amazing things; but there just aren't enough of us around to do this work. I hope many readers will work hard and become great in ML!