¿Cuál es la rutina laboral diaria del científico de aprendizaje automático?


25

Soy un estudiante de maestría en CS en una universidad alemana que ahora escribe mi tesis. Terminaré en dos meses. Tengo que tomar una decisión muy difícil si debo continuar con un doctorado o encontrar un trabajo en la industria.

Mis razones para hacer un doctorado:

  • Soy una persona muy curiosa y siento que todavía me falta mucho conocimiento. Quiero aprender mucho y el doctorado me ayudará para eso, ya que puedo hacer más buenos cursos y leer toneladas de documentos y ser un experto en minería de datos y aprendizaje automático. Me encantan las matemáticas, pero no era bueno en mi licenciatura (mala universidad). Ahora, en esta universidad alemana, siento que desarrollé muchas excelentes habilidades matemáticas y quiero mejorar eso porque realmente me encantan las matemáticas. (Fui realmente muy malo en matemáticas en mi licenciatura y durante mi vida, ¡pero ahora veo que puedo hacer bien las matemáticas!)

  • Trabajaré con cosas intelectualmente desafiantes.

  • Necesito ser honesto y decir que también odio ver a alguien con un grado más alto que yo. Entonces, si salgo a la calle y veo a alguien con un doctorado, no tengo que decir "oh wow, este tipo es más inteligente que yo". Prefiero estar del otro lado. ;)

Mis razones para NO hacer un doctorado:

  • Leí en Internet sobre hacer un doctorado o no hacerlo. Descubrí que, en la mayoría de los casos, las personas con un doctorado hacen el mismo tipo de trabajo que las personas con maestría. (esa fue una observación general en informática, no sobre ML / DM).

  • Puedo comenzar una carrera y ganar mucho dinero en 1 o 2 años, entonces probablemente pueda comenzar mi propia empresa.

Lo que aún no está claro:

Todavía no sé cuál es mi objetivo final al final. ¿Es tener una pequeña compañía famosa? ¿O es ser un científico famoso? Todavía no tengo una respuesta para esta pregunta todavía.

Para ayudarme a tomar una decisión, quiero saber dos cosas:

  • ¿Cómo es trabajar como científico de datos / aprendiz de máquina con una maestría en la industria? ¿Que tipo de trabajo haces? Especialmente cuando leo esos anuncios en Amazon como científico de aprendizaje automático, siempre me pregunto qué hacen.

  • La misma pregunta que antes, pero con un doctorado. ¿Haces algo diferente o lo mismo que con los maestros?

  • ¿Voy a lidiar con problemas interesantes y desafiantes? O algunas cosas aburridas?

Como una pequeña nota: he visto a un chico con un doctorado en aprendizaje automático (en Alemania) y está trabajando en una empresa que promueve un software de aprendizaje automático. Como entendí, la mayor parte de su trabajo es capacitar a las personas para usar los métodos y el software (árboles de decisión, etc.).

Sería genial si pudiera obtener algunas respuestas de experiencias relacionadas con Alemania / Suiza en algunas buenas compañías famosas.


55
"... y cuando todos son super, nadie lo es" - Síndrome, en Los Increíbles. ( youtube.com/watch?v=A8I9pYCl9AQ ) No hay suficiente fama para todos. Si todos tienen una participación igual, entonces no hay suficiente para la demanda. Es un enigma económico que requiere que uno se vuelva verdaderamente diferente y excepcional, que se convierta en un depredador o que falle. "Porque todos queremos ser grandes estrellas de rock, y vivir en casas en la cima de la colina conduciendo quince autos ..." Los medios no tienen la respuesta, también está poblada de depredadores y falla. Ejercicio de precaución.
EngrStudent - Restablece a Monica el

3
Aquí hay una pregunta relacionada Habilidades difíciles de encontrar en los aprendices de máquinas , que obtuvieron una serie de respuestas que también son relevantes aquí.
Assad Ebrahim

1
Como está pensando en la industria, hay algunas personas / compañías cercanas a las que también podría considerar hacer tapping, una es SAF (Suiza), ahora adquirida por SAP. El matemático de investigación que hay en este sitio ... tal vez se presente. ;) Si no, no dude en ponerse en contacto conmigo fuera del foro y puedo hacer la presentación. Booking.com (Amsterdam) también está contratando activamente a personas con experiencia como la suya, maestría o doctorado para algunos problemas muy interesantes de aprendizaje automático / minería de datos. Nuevamente, no dude en ponerse en contacto si está interesado.
Assad Ebrahim

Creo que también puedes encontrar preguntas y respuestas relacionadas aquí academia.stackexchange.com
Simone

55
Lamento decir esto, pero la última razón que enumeras para considerar un doctorado (vanidad) es terrible. Asegúrese de que este no sea su controlador principal o de lo contrario lo empujará contra una pared.
Marc Claesen

Respuestas:


22

Alex, no puedo comentar específicamente sobre Alemania o Suiza, pero sí trabajo para una empresa internacional con un personal de más de 100,000 personas de todos los países. La mayoría de estas personas tienen al menos títulos de posgrado, muchas tienen maestrías y doctorados y, a excepción del personal de Recursos Humanos y Administración, la mayoría de nosotros somos expertos en uno o más dominios científicos diferentes. Tengo más de 30 años de experiencia, he trabajado como especialista científico / técnico calificado, gerente, gerente de proyectos y finalmente regresé a un rol puramente científico que disfruto. También he estado involucrado con la contratación de personal y quizás algunas de mis observaciones que siguen pueden ser de valor para usted.

  1. La mayoría de los recién graduados realmente no saben exactamente lo que quieren y, por lo general, lleva unos años descubrirlo. En la mayoría de los casos, su experiencia en el lugar de trabajo resulta ser bastante diferente en comparación con lo que esperaban por una variedad de razones. Algunos lugares de trabajo son emocionantes, mientras que otros son aburridos, aburridos y la "política del lugar de trabajo", los malos jefes, etc. a veces pueden ser grandes problemas. Un grado superior puede o no ayudar en absoluto con cualquiera de estos problemas.

  2. La mayoría de los empleadores quieren personas que puedan "hacer el trabajo" y ser productivos lo antes posible. Grados superiores pueden o no importar, dependiendo del empleador. En algunas situaciones, la puerta está cerrada A MENOS QUE tenga un doctorado. En otras situaciones, la puerta puede estar cerrada PORQUE tiene un doctorado y el empleador quiere a alguien "menos teórico y con más experiencia práctica".

  3. Un doctorado no significa necesariamente promociones más rápidas o incluso mucha diferencia en el salario y puede o no hacer alguna diferencia en el tipo de puesto que puede obtener. En general, cuando he estado entrevistando candidatos, me ha interesado más encontrar personas con experiencia laboral relevante. Un doctorado podría ser un factor decisivo final para asegurar un puesto, SI el tema de tesis del candidato es específicamente relevante.

  4. Las personas tienden a cambiar de trabajo con más frecuencia ahora de lo que solían hacerlo en el pasado. Su edad dividida entre 2 * pi no es una mala regla general durante un buen número de años para permanecer en un trabajo antes de comenzar a dar vueltas en círculos. Algunas personas trabajan por un tiempo y luego regresan a estudios superiores. Algunas personas (como yo) comienzan con un doctorado y luego reciben una "oferta demasiado buena para rechazar" y dejan el doctorado para ir a trabajar. ¿Siento haber hecho eso? NO, para nada, y si volviera a empezar, haría un doctorado en un tema completamente diferente de todos modos.

  5. La mejor sugerencia que puedo darle es hacer lo que más le gusta hacer y ver cómo se desarrolla. Nadie más puede decirte qué será lo mejor para ti. A veces solo tienes que probar algo y, si no funciona, aprender todo lo que puedas de él y pasar a otra cosa. Como dijo Rodin: nada es una pérdida de tiempo si usas la experiencia sabiamente.


¿Cuál fue su tema de doctorado? y en qué tema harías un doctorado ahora?
Jack Twain

1
Alex, esto es completamente irrelevante para tu pregunta, pero mi doctorado original estaba relacionado con metodologías para integrar una amplia gama de información de diferentes fuentes (Geofísica, Geología, Petrofísica, Producción e Ingeniería de Yacimientos) en la exploración y desarrollo de campos de petróleo y gas. ¿Y qué haría ahora? Aplicaciones de ML y teoría de la información en los mercados financieros. ¡Mucho más difícil, desafiante y mejor pagado! :-) Lo que decidas, ¡diviértete!
TonyMorland

No estoy seguro de haber entendido la regla 2 * pi. ¿Puedes elaborar con un ejemplo?
dksahuji

8

Antes de describir mi opinión sobre la rutina laboral, elegiré algunas piezas de su publicación que considero relevantes (énfasis mío):

  1. Soy una persona muy curiosa
  2. Trabajará con cosas intelectualmente desafiantes.
  3. Necesito ser honesto y decir que también odio ver a alguien con un grado más alto que yo ( vanidad )
  4. Puedo comenzar una carrera y ganar mucho dinero en 1 o 2 años
  5. comenzar mi propia empresa

Basado en 1 y 2, parece tener una visión muy romántica de la ciencia de datos y la investigación en general. Sí, podrá trabajar en problemas interesantes, pero ciertamente 24/7 (esto se aplica tanto a la industria como a la investigación).

Con base en 2 y 3, parece considerar investigar el pináculo del intelecto humano y considerar un doctorado como una certificación de su inteligencia. No estoy de acuerdo, porque:

  • Existen problemas intelectualmente desafiantes tanto en la investigación académica como en la industria. Creo que es una suposición extraña que los académicos se enfrenten a los más difíciles.
  • Tener un doctorado no significa que sea inteligente, significa que tiene lo necesario para realizar una buena investigación en su campo. La investigación no se trata de ser más inteligente que otra persona (aunque ayuda). La creatividad y abordar problemas desde un ángulo diferente también son cualidades muy importantes. Si desea algún tipo de prueba de que es más inteligente que la siguiente persona, realice las pruebas de Mensa, no un doctorado.

En mi opinión personal, las personas más inteligentes son las que terminan viviendo una vida feliz con las decisiones que tomaron, ya sea que eso signifique convertirse en un físico nuclear o un carpintero. No tome sus decisiones en función de si le otorgan o no algo para presumir.

Basado en 4 y 5, parece que imaginas comenzar tu propia empresa en algún momento. Tenga en cuenta que al hacer startups, incluso las orientadas a la tecnología, es probable que no pase la mayor parte de su tiempo con la tecnología real. El marketing, los planes de negocios, la gestión, etc., etc. son todos igualmente importantes (si no más) para las startups exitosas. ¿Cómo esperas que te ayude un doctorado?


Ahora que estos preliminares están fuera del camino: mi opinión personal sobre la rutina laboral de un científico de aprendizaje automático. En primer lugar: puede trabajar con métodos de vanguardia en conjuntos de datos grandes / complicados / interesantes con énfasis en su elección. Es sin duda un trabajo muy interesante.

... PERO

El aprendizaje automático real implica mucho trabajo duro

Usted no pasar cada hora de trabajo en un mundo utópico lleno de elegancia matemática, mientras que un ejército de ordenadores hace su oferta. Dedicará una gran parte de su tiempo a hacer un trabajo duro: gestión de bases de datos, preparación de conjuntos de datos, normalización de cosas, manejo de inconsistencias, etc. etc. Pasé la mayor parte de mi tiempo haciendo tareas como estas. No se vuelven más emocionantes con el tiempo. Si no te apasiona tu tema, eventualmente perderás la motivación para hacer estas cosas.

Si ha tomado clases de aprendizaje automático, generalmente obtiene conjuntos de datos bien etiquetados sin inconsistencias, sin datos faltantes, donde todo está como debería estar. Este no es el aprendizaje automático de la vida real. Pasará la mayor parte de su tiempo tratando de llegar al punto en que esté listo para ejecutar su algoritmo favorito.

Gestión de expectativas en colaboraciones.

Si desea hacer proyectos interdisciplinarios, tendrá que aprender a trabajar con personas que saben poco o nada sobre lo que hace (esto es cierto para cualquier especialización). En el aprendizaje automático que a menudo implica uno de dos escenarios:

  • Tus colaboradores han visto demasiada televisión y piensan que puedes resolver todo, con un algoritmo elegante y muchas visualizaciones geniales.
  • Sus colaboradores no entienden las técnicas que utiliza y, como tales, no ven los beneficios o las posibles aplicaciones.

5

• ¿Cómo es trabajar como científico de datos / aprendiz de máquina con una maestría en la industria? ¿Que tipo de trabajo haces? Especialmente cuando leo esos anuncios en Amazon como científico de aprendizaje automático, siempre me pregunto qué hacen.

Los problemas de negocios realmente no cambian dependiendo de su grado, por lo que debería mirar las mismas cosas o similares. Si trabaja en una gran organización, trabaja en grandes conjuntos de datos de la compañía. Por lo general, pueden ser datos del producto / cliente o datos operativos (datos de procesos químicos, datos de mercados financieros, datos de tráfico del sitio web, etc.). El objetivo final genérico es aprovechar los datos para ahorrar dinero o ganar dinero para la empresa.

• La misma pregunta que antes, pero con un doctorado. ¿Haces algo diferente o lo mismo que con los maestros?

La respuesta es la anterior, harías más o menos lo mismo. Sin embargo, en la investigación / análisis cuantitativo / o un departamento técnico similar de una gran corporación internacional, si tiene un doctorado, tiene una ventaja sobre alguien con una maestría. en términos de progresión profesional. El doctorado le enseña (o se supone que debe enseñarle) a ser un investigador independiente, por lo que con un doctorado, la empresa generalmente 'valora' un poco más su trabajo (habilidades inquisitivas y diligencia). PERO recomendaría encarecidamente no hacer un doctorado, solo por el progreso (potencialmente) más rápido de la carrera. Hacer un doctorado es un proceso difícil y, especialmente hacia el final, doloroso, tendrías que amar (idealmente) tu materia y, en mi opinión, tener un interés potencial para permanecer en la academia (lo cual es un poder para revelar tu afinidad con la investigación y el tema particular) para que sea soportable.

También tenga en cuenta que al regresar a la industria con un doctorado, se quedará rezagado en la escala profesional y puede terminar canalizado a un papel de soporte técnico (que paga menos en comparación con las personas que ganan dinero real para la empresa). lo cual puede no ser tu objetivo principal. Finalmente, si está trabajando en una empresa a pequeña escala, en su propia empresa, la ventaja de tener un doctorado prácticamente desaparece en términos de progresión profesional o salario.

• ¿Voy a lidiar con problemas interesantes y desafiantes? O algunas cosas aburridas?

Supongo que no hay una respuesta genérica a esto. ML es interdisciplinario. Si trabajas como analista, normalmente mirarías los datos e intentarías construir modelos, si estás en el lado del desarrollo, terminarás lidiando con los detalles de implementación. Si está orientado al cliente, es posible que tenga que tomar muchas manos y capacitar a los clientes (pero probablemente gane más dinero). Por lo general, la respuesta a su pregunta depende de la preferencia personal y también de cuánta flexibilidad proporciona su empleador.


Nunca quiero hacer un doctorado para impresionar a ningún empleador. Solo lo quiero principalmente y sobre todo conocimiento
Jack Twain

Creo que esa es la motivación correcta.
Zhubarb

2

O puede intentar unirse a algún grupo de investigación donde los estadísticos y los aprendices automáticos no son una apariencia cotidiana. Por ejemplo, infestación y propagación de enfermedades, botánica o ecología, insecto social o quizás ciencias sociales.

No puedo darle ejemplos exactos, pero si usted es un buen estadístico / ML en un lugar donde solo hay unos pocos, entonces las personas y las diferentes propuestas de investigación lo encontrarán. El punto es que tendrás mucha demanda sin demasiado esfuerzo de tu parte.

Si le gusta esa idea, intente buscar problemas de aprendizaje automático fuera de sus temas actuales (industria), y tal vez encuentre la manera de encontrar sus "problemas interesantes desafiantes" y "trabajar con cosas intelectualmente desafiantes".


2

Estoy de acuerdo con las otras respuestas. Solo enfatizaría que una forma común (al menos en los EE. UU.) Para personas como usted que dudan en continuar con un doctorado o hacer la industria después de sus títulos universitarios es solicitar un doctorado y luego tomar un permiso (un año o más) si las cosas no son tan buenas como esperaban o simplemente quieren explorar la industria. En general, es más fácil solicitar un doctorado justo después de la licenciatura: aún no ha olvidado el hábito de estudiar los exámenes (GRE), los profesores que van a escribir cartas de recomendación para usted aún lo recuerdan bien, etc.

Además, en su comparación entre el doctorado y la industria, entre las oportunidades que tiene, es posible que desee comparar el acceso a conjuntos de datos interesantes, disponibilidad de clústeres informáticos, habilidades de ingeniería de software del lugar y cuántas personas se asignan para cada proyecto.

Por último, también puede encontrar muchas cosas intelectualmente desafiantes en la industria, por ejemplo, consulte IBM / Google / Microsoft / Nuance / Facebook / etc. departamento de investigación (al igual que puede encontrar una gran cantidad de material académico intelectualmente inmutable). Por ejemplo, la gente detrás de SVM trabajaba en AT&T, IBM Watson está en IBM, Google Translate es uno de los mejores sistemas de traducción automática, Nuance y Google tienen el mejor sistema de reconocimiento de voz, y están muy lejos de ser ejemplos aislados. De hecho, siempre me he preguntado quién, entre la industria y el mundo académico, es el que más contribuye a la investigación del aprendizaje automático (había hecho la misma pregunta con respecto a la investigación de bases de datos en Quora: ¿La industria de la investigación de bases de datos ha sido impulsada principalmente por la última década? ).


Facebook, Microsoft y Google (y muchas otras grandes empresas, supongo) emplean muchos investigadores visitantes y académicos a tiempo completo o parcial. Creo que son estas personas (atraídas desde la academia) y los recursos prácticamente ilimitados de estas corporaciones las que impulsan principalmente el progreso en la industria.
Zhubarb

1

Para obtener un doctorado, debe avanzar el estado del conocimiento humano. No solo tienes que aprender más cosas. Tienes que producir algo original. Este es un proceso largo, lento y doloroso, y no todos lo logran. Por lo tanto, debe hacer un doctorado solo si cree que tiene una contribución nueva y creativa en el campo.

Si solo quieres aprender el campo y aplicar el campo, toma tu Maestría como máximo y luego pasa el resto de tu vida aprendiendo mientras postulas. Leer cosas Toma el taller ocasional. Si en algún momento está infectado con la necesidad de hacer algo realmente original, tómese un (largo) descanso de su carrera e intente obtener ese doctorado.


Esto es algo en lo que también pensé. Pero me temo que una vez que esté en la industria, estaré demasiado lejos de la academia para pensar en ello y podría perderme en el mundo de la industria ocupada, por lo que eventualmente podría olvidar la academia y perder la oportunidad que tengo ahora.
Jack Twain

1
@TonyMorland crees que algo como esto podría funcionar en la práctica ?
Jack Twain

Conozco algunos doctorados inteligentes y trabajadores. He conocido doctorados que desgastaron a sus profesores con el tiempo. La idea de "avanzar en el estado del conocimiento humano" no es cierta en todos, o posiblemente en la mayoría de los casos. Si el paso incremental es pequeño y no prolifera efectivamente, ¿existe realmente? En cuanto a lo que sucede en la industria, es lo mismo en todas partes: las capacidades que ejercita más se fortalecen, mientras que las que ejercita por debajo del umbral de unas pocas horas por semana se evaporarán. La industria te hará trabajar mejor dentro de organizaciones disfuncionales. Sin embargo, ganas más.
EngrStudent - Restablece a Monica el

0

Cuando elige la / pequeña empresa / ruta famosa, tiene la libertad de establecer un departamento de investigación en su empresa.

Aquí, puede ser irritantemente creativo, como sin restricciones ... explorar todas sus fantasías de la infancia, cosas intelectualmente desafiantes ... usted marca el ritmo ... usted será / el hombre /.

No tiene que sentarse en los laboratorios de la universidad para escribir un / Killer / trabajo de investigación.

No obstante, mientras lo hace, siempre puede coordinarse con los departamentos de investigación relevantes en la Univ. ver...? zwei vögel mit eines stein :-)

... alguien más con un mayor grado ...

Bueno, la vanidad, con moderación, nos motiva a buscar lo mejor que puede haber.

Buena suerte.

yb


Tan divertido como suena esa ruta, es teoría. Una persona por empresa puede establecer un departamento de investigación. Creativo no es lo mismo que productivo, o capaz de pagar facturas. Tienes que escribir papeles asesinos de cualquier manera. Una se trata de defender los presupuestos departamentales o las propuestas de investigación, mientras que la otra se trata de financiar propuestas de investigación y presupuestos departamentales. La vanidad, como el orgullo, llega antes de la caída. Como humanos, nuestros botones de autodestrucción tienden a ubicarse justo donde nos damos palmaditas en la espalda.
EngrStudent - Restablece a Monica el
Al usar nuestro sitio, usted reconoce que ha leído y comprende nuestra Política de Cookies y Política de Privacidad.
Licensed under cc by-sa 3.0 with attribution required.