Советы и уроки, извлеченные из моего путешествия в мир науки о данных и машинного обучения.

В этом посте я хотел бы поделиться некоторыми ценными выводами, которые я узнал за 2,5 года своего карьерного перехода, в надежде, что это поможет любому читателю, который задумывается о смене карьеры.

Для меня это был переход от инженера-программиста к специалисту по данным, но я считаю, что большая часть этих идей применима к любому изменению карьеры.

Итак, вот оно ...

Во-первых, найдите свою страсть!

«Развивайте свою страсть, и все остальное встанет на свои места. Это не романтично. Это высший уровень прагматизма ». ~ Габби Гиффордс

Я не всегда знал, что хочу стать специалистом по анализу данных. Фактически, я не задумывался о планировании карьеры до того, как начал работать в PayPal. В этом смысле мне очень помог наставник из компании, который побудил меня задавать себе правильные вопросы и подтолкнул меня к тому, чтобы взять на себя ответственность за мою карьеру.

Итак, я думаю, что мой первый совет - выделить время и подумать о таких вещах, как:

Что вас мотивирует? Какие аспекты вашей работы вам больше всего нравятся? Какие аспекты вам меньше всего нравятся? Каким вы видите себя через 1/3/5 лет?

Даже лучше, если вы найдете наставника, который будет сопровождать вас в процессе самопознания.

Шаги малыша

«Лучше сделать много маленьких шагов в правильном направлении, чем сделать большой рывок вперед, чтобы споткнуться» ~ Старая китайская пословица

Хорошо, давайте предположим, что этот процесс открытия привел вас к осознанию того, что вы хотите сменить карьеру.

Следующее, что вам нужно понять, это то, что такого рода изменения не происходят в одночасье. Это процесс, состоящий из множества маленьких шагов. В моем случае переход занял более 2 лет.

Давайте начнем с самого начала (лучшее место для начала :)). Впервые я познакомился с миром науки о данных и машинного обучения, когда начал работать инженером по автоматизации в Центре продуктов безопасности PayPal. У нас была действительно сильная команда машинного обучения, которая только начала проводить еженедельные групповые занятия по чтению. На каждом занятии член команды представлял доклад, который либо имел отношение к его текущему проекту, либо был интересен им лично, и инициировал обсуждение.
Сначала я посещал эти занятия в режиме «только для прослушивания». От сеанса к сеансу я медленно начал усваивать все больше и больше концепций. Через несколько месяцев меня попросили самому представить доклад. Я нашел статью, которая показалась мне интересной, и показал ее руководителю группы машинного обучения Дэвиду. Поскольку авторы статьи опубликовали свой код, Дэвид посоветовал мне попытаться воспроизвести их результаты. Я быстро понял, что это была непростая задача, так как код был неполным и не очень хорошо документирован, но для меня это был отличный опыт обучения. Это был мой самый первый опыт работы с кодом машинного обучения, и я получил возможность понять, как реализованы многие базовые концепции (например, обратное распространение). Еще один важный урок, который мне преподал этот опыт, - важность воспроизводимости в академических исследованиях, и то, что что-то написано в статье, не означает автоматически, что это правда.

Следующим маленьким шагом, который я сделал, было добровольное выступление с внутренней вводной лекцией на тему Обучение с подкреплением (это помогло). Не потому, что в то время я что-то знал об обучении с подкреплением, я просто нашел его очень интересным (AlphaGo Zero была выпущена примерно в то же время). Я считаю, что нет лучшего способа учиться, чем преподавать, поэтому это была прекрасная возможность для меня изучить эту тему.

Будьте настойчивы!

«Успех - это сумма небольших усилий, повторяемых изо дня в день». ~ Луи Сахар

К этому моменту я уже понял, что это тот путь, по которому я хочу идти, поэтому я начал набирать обороты с точки зрения самообучения. Это включало в себя прохождение удивительного курса машинного обучения Эндрю Нга, за которым последовала специализация Deep Learning на сайте deeplearning.ai, чтение сообщений и статей в блогах, отслеживание влиятельных исследователей и практиков в Twitter и LinkedIn, подписка на DL по машинному обучению и глубокому обучению, посещение соответствующих встреч. и даже слушаю подкасты ML во время уборки дома.

Я был полон решимости сделать все, что в моих силах, чтобы поставить себя в положение, в котором, когда представится возможность, я буду к ней готов. Каждую ночь, когда мои дети ложились спать, я открывал свой ноутбук и занимался (особая благодарность моей замечательной жене, которая терпела меня все это время :)). Это стало моим обычным делом примерно на 2 года.

Но этого недостаточно. Чтобы изменить карьеру, лучше всего заручиться поддержкой ваших менеджеров. Это подводит меня к следующему пункту.

Скажите четко о своих карьерных устремлениях!

«Если вы спросите, мир будет сговориться с вами на вашем пути к карьере» ~ Шри Шивананда (технический директор PayPal)

Мне повезло, что я работаю в компании, которая поощряет личностный рост и личностное развитие. Это не следует воспринимать как должное. Даже если то же самое относится и к вам, не думайте, что люди вокруг вас догадаются, каковы ваши амбиции, и что все волшебным образом произойдет само по себе. Вы должны дать людям возможность помочь вам. Как только люди вокруг вас узнают о ваших стремлениях, возможности, скорее всего, начнут открываться сами собой.

Воспользуйтесь каждой возможностью!

Особенно, если вы чувствуете, что это вызов, но еще не готовы к нему. Это именно тот опыт, который поможет вам больше всего расти.

«Если кто-то предлагает вам прекрасную возможность, но вы не уверены, что сможете это сделать, скажите« да »- тогда научитесь делать это позже!» ~ Ричард Брэнсон

Мне посчастливилось получить поддержку моих менеджеров, а также поддержку и руководство со стороны руководителя группы машинного обучения в то время, что привело меня к участию в нескольких проектах с командой в дополнение к моей повседневной работе в качестве инженера по автоматизации. Например, мне предоставили возможность участвовать в исследовательском проекте в рамках сотрудничества между BGU и Центром продуктов безопасности PayPal. Проект относился к сфере AI Planning. Мне пришлось внести свой вклад в эмпирические эксперименты и даже стать соавтором статьи.

Еще один значимый опыт, который я получил за это время, - это наставничество группы из 4 стипендиатов Israel Tech Challenge во время их 5-недельной фазы проекта стажировки в рамках программы. Проект был направлен на использование машинного обучения для статического анализа сетевого трафика и определения источника трафика (физическая машина, виртуальная машина или контейнер Docker). Получили неплохие результаты и даже подали патент на идею.

Нет никаких шансов, что я получил бы эти удивительные возможности, если бы я не сообщил своим менеджерам о своих амбициях!

Запачкать руки

«Знания недостаточно; мы должны подать заявку. Одного желания недостаточно; мы должны сделать ». ~ Иоганн Вольфганг фон Гете

Как только вы почувствуете, что освоили основы, вам следует получить как можно больше практического опыта. Настоящая экспертиза достигается практикой. Каждый раз, когда вы изучаете новую концепцию, пытайтесь запачкать руки и поиграться с кодом. Kaggle - отличная платформа для получения практического опыта, и я ее очень рекомендую. Для тех из вас, кто этого не знает, Kaggle - это очень активное онлайн-сообщество специалистов по обработке данных и машинного обучения, принадлежащее Google. Сообщество очень поддерживает новичков в этой области.

Совет, который может иметь большое значение с точки зрения получения практического опыта, - это найти соучастника в преступлении - кого-то, кто в равной степени (или, по крайней мере, в некоторой степени) увлечен предметом, который может сопровождать вас на вашем пути обучения. . После того, как вы вместе определитесь с целями или этапами обучения, вы с меньшей вероятностью срежете углы или решите пропустить практический аспект обучения. Также всегда полезно иметь кого-то, с кем можно обсудить идеи или посоветоваться, если вы боретесь с проблемой.

Для меня этот человек был коллегой и другом, который уже был специалистом по обработке данных и исследователем безопасности в другой команде. Мы начали участвовать в соревнованиях Kaggle в нерабочее время.

Сначала мы занимались прошлыми соревнованиями, а через несколько месяцев перешли на живые соревнования. Нам удалось получить 3 медали (2 бронзовые и 1 серебряную) в первых 5 живых соревнованиях, в которых мы участвовали, что говорит о том, что вы не должны бояться вскочить и начать практиковать свои недавно приобретенные навыки . Хорошая вещь в Kaggle заключается в том, что существует множество конкурсов в различных областях, а это означает, что вы всегда можете найти конкурс, который интересен вам или имеет отношение к вашей текущей работе, чтобы вы могли использовать опыт в предметной области, который поможет вам продвинуться вперед. пакета.

Не ждите идеального момента!

«Если мы будем ждать, пока мы не будем готовы, мы будем ждать всю оставшуюся жизнь». ~ Дэниел Хэндлер, Ersatz Elevator

Всегда будет чему поучиться. Не ждите момента, когда вы почувствуете, что готовы к переходу, потому что этот момент может никогда не наступить. Всегда будут новые алгоритмы, которые нужно изучать, новые MOOC, которые вы можете пройти, новые библиотеки, которые нужно знать, больше навыков, которые можно приобрести. Мы живем в эпоху, когда технологии постоянно меняются и развиваются, естественное любопытство и способность к самообучению важнее любых конкретных навыков.

Прийти к этому осознанию мне помог мой наставник, который просто спросил меня во время одной из наших сессий: «Чего ты ждешь? Что мешает вам подать заявку на вакансию в области Data Science? ». Он был прав. На тот момент я уже интенсивно учился около двух лет и имел достаточный практический опыт, чтобы полагаться на любое техническое собеседование. Я решил последовать его совету и начать внутреннее собеседование (при поддержке моего менеджера) на должности в области науки о данных.

Вскоре после этого я присоединился к моей нынешней команде в качестве специалиста по данным и исследователя безопасности!

Несколько заключительных заметок

  • Этот совет основан на моем личном опыте. Это то, что сработало для меня. Когда дело доходит до смены карьеры, нет правильного или неправильного пути, и я считаю, что каждый человек должен попытаться найти свой собственный путь.
  • Существует распространенное мнение, что, когда вы делаете существенное изменение карьеры, вы в основном начинаете с нуля. Я не верю, что это правда. Возможно, вы вводите новое поле, но это не означает, что весь ваш прошлый опыт теряет значение. Благодаря моему опыту разработки программного обеспечения я стал опытным в таких вещах, как написание модульного и многоразового кода, контроль версий и продолжение интеграции. Мой опыт в области автоматизации программного обеспечения также в значительной степени способствует моей повседневной работе и дает мне уникальное видение, которого может не хватать традиционно обученному специалисту по данным. Например, я очень увлечен применением тех же стандартов качества, которые практически присущи традиционной разработке программного обеспечения, в мире машинного обучения (модульное тестирование, проверка данных и т. Д.). Я даже делал доклад об этом на PyconIL. Все это означает, что вы должны осознавать свои сильные стороны, уникальные перспективы и возможности, которые вы представляете. Разнообразная команда - более сильная команда!

Это то, чем я хотел поделиться, я надеюсь, что некоторые из вас смогут применить эти знания в своем личном карьерном путешествии. Удачи!

Первоначально опубликовано на https://medium.com 12 августа 2019 г.