在线学习，我知道这是非常规的。我要申请的所有职位都具有硕士学位要求或至少某种技术学位。

我都没有。但是我确实拥有从众多在线课程中学到的技能。

一路上，我在网上共享我的工作。我的GitHub包含我完成的所有项目，LinkedIn堆积如山，我练习了交流我通过YouTube和Medium上学到的知识。

我从未为Max Kelsen交过简历。 “我们在LinkedIn上签了您。”

我的工作是履历表。

无论您是在线学习还是通过硕士学位学习，拥有自己从事过的工作的投资组合都是在游戏中积累皮肤的一种好方法。

要求具备ML和AI技能，但这并不意味着您不必展示它们。没有架子就连最好的产品也卖不出去。

无论是GitHub大学生创业资讯，Kaggle，LinkedIn还是博客，人们都能在某个地方找到您。另外，拥有自己的上网角落非常有趣。

你如何开始？

您要去哪里学习这些技能？什么课程是最好的？

没有最好的答案。每个人的道路都会不同。有些人通过书籍学习得更好，其他人通过视频学习得更好。

比起您更重要的是为什么开始。

同样，没有正确的理由。一切都以自己的方式有效。

从为什么开始，因为拥有为什么比如何更重要。有一个“为什么”意味着当事情变得艰难并且将会变得艰难时，您有一些事情要转向。提醒您为什么要开始的事情。

为什么？好。是时候学习一些硬技能了。

我只能推荐我尝试过的东西。

我已经完成了以下课程的学习：

他们都是世界一流的。我是视觉学习者。看到事情完成/向我解释，我会学得更好。因此，所有这些课程都反映了这一点。

如果您是绝对的初学者，请从Python入门课程开始，如果您更有信心，可以进入数据科学，机器学习和AI。 DataCamp非常适合初学者学习Python，但希望以数据科学和机器学习为重点来学习它。

数学多少？

我上过的最高数学教育是在高中。我根据需要通过可汗学院学到的其他知识。

对于进入机器学习和AI需要知道多少数学有很多不同的看法。我会分享我的。

如果您想将机器学习和AI技术应用到问题上，则不一定需要对数学有深入的了解即可获得良好的结果。 TensorFlow和PyTorch之类的库允许具有一点Python经验的人构建最先进的模型，同时在后台处理数学。

如果您想通过博士学位课程或类似方法深入机器学习和AI研究，那么对数学有深入的了解是至关重要的。

就我而言，我并不是想深入研究数学并将算法的性能提高10％。我会将其留给比我聪明的人。

相反，我很乐意使用可用的库并对其进行操作以帮助解决我认为合适的问题。

机器学习工程师实际上做什么？

机器工程师在实践中所做的可能与您的想法不符。

尽管有许多在线文章的封面照片大学生创业资讯，但并不总是涉及使用红眼睛的机器人。

这是ML工程师每天都要问自己的几个问题。

上下文-如何使用ML帮助您更多地了解您的问题？

数据-您是否需要更多数据？它需要采用什么形式？数据丢失时该怎么办？

建模-您应该使用哪种模型？它对数据是否工作得很好（过度拟合）？还是为什么它不能很好地工作（拟合不足）？

生产-如何将模型投入生产？它应该是在线模型还是应该定期更新？

进行中-如果您的模型坏了怎么办？您如何通过更多数据来改善它？有没有更好的做事方法？

我从fast.ai的共同创始人之一雷切尔·托马斯（Rachel Thomas）的一篇出色文章中借用了这些内容，她在全文中做得更深入。

没有设定路径

进入机器学习或人工智能是没有对与错的。

这个领域的

来源【个人品牌】自媒体，更多内容/合作请关注「辉声辉语」公众号，送10G营销资料！