Источник: Stanford CS230: глубокое обучение | Осень 2018 | Лекция 8 — Карьерный совет / Чтение научных статей
О: чтение научных статей, а также возможность заняться машинным обучением, устроиться на работу и работать с отличной командой, если не с великим брендом.
В этой статье я подытожу его советы по карьере, которые я нашел особенно полезными. Обратите внимание, что это не совсем его точные цитаты, а скорее перефразирование его ключевых тезисов. Если вы хотите услышать его оригинальный совет, вы можете посмотреть его видео по ссылке вверху.
Читать исследовательские работы —
- составить список документов,
- из arXiv, постов в блогах Medium, блогов GitHub и т. д.,
- читать большинство газет 10%,
- отбрасывайте тех, кого вы считаете непростыми для чтения/понимания или интересными,
- продолжайте то, что вам больше всего нравится,
- затем следуйте любой цитируемой статье (если она вас заинтересовала),
- вернитесь к списку статей и прочитайте другую.
5–20 статей для понимания/опыта,
50–100 статей ведут к предметному эксперту.
Как Эндрю Нг читает газеты —
(как указано в видео)
- читать около 5–6 статей в неделю,
- представить 2 доклада в дискуссионной группе,
- таскать с собой стопку бумаг в папке, куда бы он ни пошел,
- всякий раз, когда есть время, прочитайте это.
Как вы можете?
(чтение слово в слово → плохой способ)
(сделать несколько проходов по бумаге)
ЧИТАТЬ…
- Название/аннотация/рисунки — дает хорошее представление о законченной статье,
- (осторожно) вступления + выводы + рисунки + беглый отдых,
- беглый просмотр связанного с работой раздела (иногда не стоящего),
- читать, но бегло читать математику,
- читайте целиком, но пропускайте части, которые не имеют смысла (до тех пор, пока вы не получите докторскую степень или действительно не освоите ее).
Не забывайте о вопросах во время чтения —
- Чего пытались добиться авторы?
- Каковы были ключевые элементы подхода?
- Что можно использовать самому?
- Какие еще ссылки вы хотите следовать?
💡 для практики: найдите статью «Плотно связанные сверточные сети» Гуо Хуанга (он же DenseNets)
Вот ссылка на pdf: arXiv:1608.06993v5 [cs.CV] 28 Jan 2018
"Уделите 7 минут и прочитайте газету"
вы обнаружите, что в основном вы можете понять из рисунков (1,2,3) и через аннотацию и заключение (чтобы ответить на первые два вопроса).
Источники бумаги (где искать) —
- твиттер @kiankatan @andrewyng,
- сабреддит ML,
- NIPS (сейчас NeurIPS)/ICML/ICLR (конференции),
- Друзья :).
Дополнительно: здравомыслие arXiv.
Дополнительные советы, связанные с —
(«Пакетная норма на самом деле одна из самых сложных статей для чтения из-за большого количества математики и выводов»)
МАТЕМАТИКА —
- прочитать всю статью пройти математику.
- попробуйте пересчитать математику с нуля (это делают доктора наук).
КОД —
- запустить открытый исходный код.
- попробуйте заново реализовать один из алгоритмов с нуля.
Долгосрочный совет —
- Устойчивое чтение не лопнуло.
(Возьмите за привычку: чтение одной статьи в неделю приводит к 50 за год, что хорошо для получения глубоких знаний.)
Машинное обучение (карьерный совет) —
Цель :
- Работа (крупная компания или стартап)
- кандидат наук
Фокус должен быть:
- Как получить должность?
- Выбор позиции!
Рекрутеры ищут —
- Навыки (ML, умение кодировать),
- Значимая работа (не только лучший в учебе, но и исполнитель),
- кто может выполнять работу (внедрять алгоритмы и т. д.).
Очень распространенный шаблон среди успешных —
Что не отличный способ (по сравнению с вышеизложенным)—
- ходить на занятия после занятий, получать отличный средний балл, получать глубокие знания обо всем,
- браться за исследовательские проекты в первый же день, даже не имея необходимых знаний (кодирование, основы, алгоритм машинного обучения и т. д.),
- выполнение крошечных проектов в широком диапазоне (объем проектов).
объем проектов не убеждает рекрутеров.
Что делать -
- построить основную базу (курсы и т. д.),
- читать газеты,
- построить соответствующий проект (ы).
Выбор работы —
- работа с замечательными людьми/проектами,
- сосредоточьтесь на команде (10–30 человек), с которой вы будете взаимодействовать,
- менеджер, с которым вы хотите работать,
- не на «бренд».
Субботнее утро (проблемы) —
(Контекст: чем мы можем заняться в выходные...)
- читать бумагу,
- работа над исследовательским проектом,
- Открытый исходный код,
- смотреть телевизор,
- развлекаться и т.
Общий совет —
- узнать больше всего,
- делать важную работу, которая имеет значение (для общества, для мира).
В заключение, карьерный совет Эндрю Нг основан на его собственном опыте и знаниях лидера в области искусственного интеллекта. Он предлагает практические и действенные советы о том, как выбрать карьеру, развить навыки и оказать влияние. Его советы могут помочь любому, кто заинтересован в карьере в области искусственного интеллекта или в любой другой области, требующей постоянного обучения и инноваций.
Лично я нашел его советы очень полезными и вдохновляющими, поскольку они дали мне четкое направление и мотивацию для достижения моих карьерных целей. Я хотел бы поблагодарить его за то, что он поделился с нами своей мудростью и опытом.
Надеюсь, вам понравилось читать эту статью, и вы узнали что-то новое из карьерного совета Эндрю Нг. Если да, расскажите об этом своим друзьям и коллегам, которым это может быть полезно. И если у вас есть какие-либо вопросы или отзывы, не стесняйтесь оставлять комментарии ниже. Спасибо за чтение!
