找到初级机器学习工作的3个步骤转发这是Etsy应用机器学习的科学和工程经理Thomas Hughes的客座文章。虽然他

这是Etsy应用机器学习的科学和工程经理Thomas Hughes的客座文章。虽然他的建议在技术上是针对那些寻找机器学习工作的人，但也适用于数据科学、人工智能、软件工程等领域的入门工作。

简介

在我看来，要想获得初级机器学习工作，有三件事是你应该擅长的。

这是三个独立的任务，也是三个不相关的技能/资格。

你能做的最重要的事情是在你的简历上有一个 "ML科学家 "或 "ML工程师 "的当前工作标题。你拥有这个头衔的年限越长越好。

你可能想知道，如果你在寻找初级机器学习工作，你如何做到有多年的经验？答案很简单。今天--现在--你已经开始了你的职业生涯，成为一名自由职业的ML专家。就在这一刻，你正在寻找你的第一个客户。

对于你的第一个客户，想想任何朋友，家人，同事，任何你能想象到的人，他们可能会远程认为一个机器学习模型会很有趣，在任何主题。预测《魔兽世界》中的货币价值？完美。对你最好的朋友最喜欢的小说进行聚类分析？听起来不错。

接近那个人并告诉他们（不要问），你将为他们做一个免费的ML模型作为学习经验，你所要求的回报是，如果有人打电话给他们，他们会说："是的，（你的名字）确实为我做了一些关于（很酷的主题）的自由机器学习工作。"

如果有人问你的价格--你可能不会被问到，但只是为了做好准备--你根据项目的有趣程度，以及它对你的技能增长的帮助程度，按比例收费。

恭喜你，你已经开始了作为ML专家的专业经验，你将会更容易得到面试机会。

要通过招聘人员的第二件事是在你的简历中反映招聘职位的资格（不要撒谎）。

如果该职位有一句话说，"拥有数据科学工具（Python，Pandas，Spark，TensorFlow）的经验"，而你有这4个中的2个的经验，就用他们自己的话写 "拥有数据科学工具（Python，Pandas）的经验。" 这让招聘人员更容易看到你符合该职位的资格。

结合你作为自由职业者的经验，你现在应该能够得到面试机会。

入门级机器学习工作的面试问题主要有四种。这些是。

当你得到这份工作时，#1和#2将不常出现。然而，在面试中，人们会期望在这些领域有显著的深度，并在压力下随时可以获得。因此，统计和编码面试并不能让你对这份工作的实际情况有一个很好的了解。有许多人在ML职位上表现得非常好，但在统计和编码面试中却一直在挣扎。

因此，我一般认为在这些面试中表现良好的技能与在该职位上表现良好所需的技能是不同的。我建议在HackerRank、LeetCode等网站上进行练习。

对于#3，尽量有一些你可以谈论的用例，在这些用例中你做过端到端的ML工作。这些可以成为你作为ML专家的自由职业的一部分，如果是这样就好了。

#4，研究他们的网站，了解他们的公司文化。学会指名道姓地介绍他们的文化价值观，并将它们与你的经历联系起来。

"你做过的最大的数据集是什么？"

招聘经理通常会问这个问题的一个变体，以了解你以前的项目有多复杂。超过一定的规模阈值，项目就会明显变得复杂。大多数基于Kaggle或课程作业的项目通常被认为是 "玩具 "问题，而雇主通常想知道你的工作是否可以用于 "生产"。

一个好的回答是，即使你只做过小的数据集，也可以说："我有达到XGB的经验。但是，我也花时间学习了如何使用（Spark/SageMaker/Distributed TensorFlow，等等）扩展到大于1TB的数据。"

准备好谈论你所选择的框架在更大数据量下的具体变化，以表明你知道你在说什么。你所学的具体框架并不重要，重要的是证明你了解如何有效地将模型扩展到单机之外。

ML课程，技术博客或学术论文可以很好地了解这些知识。积极参加ML社区，如当地的聚会或专业的Slack社区也会有帮助。你的项目经验在这里也会有帮助。这也是大多数人已经花了很多时间去努力做好的部分。

在CodingNomads机器学习和数据科学职业轨道，你将与机器学习工程师1:1合作，为就业做准备。学习建立端到端的ML项目，这样你就可以为面试和工作做好准备。获得CodingNomads职业顾问的广泛支持，以运行一个高效和有效的求职。

.fusion-button.button-1 {border-radius:0px;}成为一名机器学习工程师