如今的公司很难找到优秀的机器学习人才。当然,任何特定技能的要求都取决于机器学习项目的用途和要求,但是您的机器学习履历中必须具备的某些技能在各种项目要求中是一致的。通常,公司希望面试者具备丰富的机器学习技能,理论和编码能力,以便在需要时能够跨部门参与机器学习项目。 该领域的专家不仅需要具有扎实的机器学习算法水平,了解什么时候该应用什么算法,还需要掌握如何集成和接口。所需的核心技能是专门的,要求具有良好的数学理解,分析思维和解决问题的能力。尽管每个项目文件要求的特定技能各不相同,但对于所有角色而言,核心的机器学习技能都是不变的。
概率论是大多数机器学习算法的主要内容。熟悉概率可以使您能够处理数据的不确定性。如果您从事与模型构建和评估有关的机器学习工作,掌握诸如Python,高斯混合模型和隐马尔可夫模型等概率理论,是非常必要的。 与概率论密切相关的是数据统计。它提供了构建和验证模型所需的测度,分布和分析方法。它还提供了用于创建模型和检验假设的工具和技术。 它们共同构成了机器学习模型的框架。这是制作机器学习简历时要考虑的第一件事。
机器学习使用大量数据集,因此必须掌握计算机科学和底层体系结构的基础知识,还必须具备大数据分析和复杂数据结构方面的专业知识。因此,这些领域的学位或正规课程是从事机器学习的职业所必须的。您的简历必须显示您在并行/分布式体系结构,数据结构(如树和图)以及复杂计算方面的技能。这些技能都是在项目应用或实现中所需要的。针对实际问题和编码的额外认证将会提升您处理大数据和分布式计算的能力。计算机科学应用的经验将为您在该领域的工作提供很大帮助。
R,Python,Java:要想得到一份机器学习的工作,您需要学习一些常用的编程语言。尽管它在很大程度上受概念和理论的约束,但它具有任何语言都必不可少的组件和功能。一些编程语言被认为特别适合复杂的机器学习项目。因此,对这些编程语言的了解可以为您的机器学习简历增加闪光点。。
当需要内存和速度两者兼顾时,使用C / C ++有助于提高代码速度。因为许多机器学习库也是用C / C ++开发的,所以他们同样适用于嵌入式系统。Java,R和Python在数据统计方面做得很好。尽管Python是通用的编程语言,但它有几个特定于机器学习的库,它们能够有效的处理机器学习项目。 Python的知识有助于在各种计算体系结构中训练算法。 R是一个易于学习的统计平台,它被越来越多地应用在机器学习以及数据挖掘任务中。
除了必不可少的细节外,这里还有一个基本的清单,可以让您的简历更加精彩
使用这些语言的学位,证书或在线文凭,可以确保你有一份好的简历。作为工程师或理科学生,您可能已经精通C ++,Java和Python。您还可以在业余时间在线学习这些语言,并在简历里特别提及的项目上进行练习。像Python和R这样的编程语言使处理数据和模型变得容易。因此,期望数据科学家或机器学习工程师能够达到较高的编程水平并了解系统设计的基础是合理的。
应用机器学习库和算法是任何机器学习工作的一部分。如果您掌握了这些语言,则可以实现其他开发人员创建的供开放使用内置库。例如,TensorFlow,CNTK或Apache Spark的MLib都是很好的机器学习平台。您还可以在Kaggle上开始练习编程算法。您也可以在机器学习简历中提及这一点。
软件工程和系统设计是机器学习工作的典型要求。一个好的系统设计是天衣无缝的,从而使您的算法可以随着数据的增加而扩展。软件工程实践是简历上的必备技能。作为机器学习工程师,您要能够创建与API交互良好的算法和软件组件。因此,在申请机器学习职位时,软件设计方面的技术专长是必须的。
既然您已经了解了机器学习职业所需的技能和前提条件,那么下一步就是将所有这些放到精心计划的简历中。重要的是要牢记一些一般的技巧,包括:
您的机器学习简历应包括的一些重要信息是
专业提示1:如果您是初学者或入门级专业人员,请提供有关已完成项目的详细信息。
专业提示2:不要回避提供有关您的工作经验和成就的所有可能细节。炫耀您所取得的成就。
申请机器学习职位需要仔细计划和考虑。机器学习全都与算法有关,而算法又源于对大数据分析和必要的编程语言的丰富知识。良好的工程或技术背景是必须的。机器学习履历中包含这些技能,你可以增加被选中的机会。