如何生产性企业的数据科学团队获得机器学习实习机会？

朱雀 2022-09-13 00:29 6阅读 0赞

### 文章目录 ###

*  内容介绍
 *  履历
 *  对机器学习产生兴趣的？
 *  尝试过哪些书籍和课程？
 *  机器学习的熟练掌握重要性
 *  成功入职实习

# 内容介绍 #

本文介绍一个我在大学指导过的一名学生从学习数据科学到在一个数据科学团队获得实习offer及他从学生到获得机器学习实习机会的转变的故事。

# 履历 #

该学生来自某大学学习电气工程专业，从本科开始就以某种方式参与了软件开发。

在大一的第一周，加入了一个课题小组，以完成课题项目的开发。他想建立一个自我管理的流量工程系统，在其中高效地进行网络运维，无需人工干预。它建立在网络模拟器之上，被指派交付一个模块来测量一些网络参数。

在那之后，一直在做与软件开发相关的事情，比如在大学里维护 Linux 服务器，在一些教育网站上做了一堆 Web 开发课程，一年前得到了的第一份实习工作一家大型软件公司。

这是一次了不起的经历，因为我可以使用最先进的技术和非常有经验的开发人员，在他们那里我学到了很多好的实践和程序。

当我准备在那里完成一年的工作时，我收到了一份提议，要在另一家公司的数据科学团队中工作，因此我决定接受它。

# 对机器学习产生兴趣的？ #

第一次听说它是在我提到的研究小组的一次会议上。

长话短说，我们使用遗传算法来获得一些结果，尽管它们相当不错，但它们花费的时间比我们能够承受的处理时间要长。

为了克服这个问题，一位同事建议用这些结果训练一个神经网络，因为一旦我们有了一个训练好的模型，它就会非常快地输出结果。

他是实施此解决方案的指定人员之一，但他对此一无所知，所以用谷歌搜索了它。

当意识到一种算法可以在没有明确编程的情况下提供预期的输出并且它通过模仿人脑来做到这一点时，就像“哇塞，太神奇了！”

# 尝试过哪些书籍和课程？ #

当他决定要学习机器学习时，第一个目标是在 Coursera 上开始约翰霍普金斯大学数据科学专业。

完成两门（十分之十！）。那个时候他真的不需要应用这些知识，只是想学习机器学习，觉得参加十门课程只是为了获得这些知识是非常困难的。并被其他事情分心并忘记了它。

一年后，决定再次尝试“学习机器学习”任务。我在 Coursera 上注册了著名的Andrew Ng 的机器学习课程。这只是一门课程（不是十门！），认为还可以描述的是如何用简单的方式解释复杂的东西。

在那里进步很快，但在完成 60% 后，第一个一个实习开始了，开始利用业余时间学习我在那里使用的技术。然后我大学的课程开始之后就再也没有回到 Coursera 完成那门课程。

下学期，参加了大学的“人工神经网络”课程。这是一次很好的经历，让我想起了 Andrew Ng 的方法，但离开那堂课时仍然有同样的感觉，仍然对机器学习了解得不够，或者不能说知道。

为了说你可以应用机器学习，你必须做一些硕士学位课程，因为我看到很多学生这样做。

**请不要尝试的另一件事是从文章（研究论文）中学习。这是迄今为止尝试过的最糟糕的方法。**

有老师鼓励和我教的学习方式学习。他认为他们很高兴找到可以做想做的事情的技术和算法，但在列出一个简短的列表后，离开它们并开始谷歌、百度搜索视频、博客文章和书籍。

# 机器学习的熟练掌握重要性 #

当他听说有机器学习实习机会时，在之前的工作中做得很好。是在一家他已经听说过好消息的公司，所以决定试一试。

让他在一周内完成三个机器学习挑战，但由于正在工作和学习，只有一个周末才能完成。

*  第一个问题要求我们训练逻辑回归模型，以从具有四个特征的数据集中预测目标变量。我应该进行探索性数据分析，对最相关的特征进行排序，估计错误并对测试数据集进行一些预测。对于这个，我能够使用我已经拥有的知识，只需要学习 Scikit Learn API。
 *  第二个非常相似，但数据集严重不平衡，我不知道如何处理，所以我开始谷歌搜索，找到了你的博客。它真的帮助了我，因为我发现我可以使用其他指标而不是默认的准确性，进行交叉验证，分层交叉验证，对数据集进行欠采样和过采样，比较算法等。 有了所有这些新信息，我创建了一个 Python 模块会自动为我做这件事，并根据他们的 F1-Score 对模型进行排名。
 *  第三个是最具挑战性的。我应该在具有 128 个特征的分类数据集中找到最相关的特征。你的博文也帮助了我。

不能简单地将结果发送，还必须写一份详细的报告，因此看了我的博客文章觉得非常重要，因为帮助快速填补了知识空白。

# 成功入职实习 #

这家公司是一家汽车制造相关的企业，他刚加入数据科学团队。

他到达那里时，第一个项目已经完成，而且非常有趣。是一套自动化的生产监控系统，

![在这里插入图片描述][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBATXLmlbDmja7mnag_size_20_color_FFFFFF_t_70_g_se_x_16]

现在在其他项目中使用数据驱动的方法来获得更好的解决方案。

[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBATXLmlbDmja7mnag_size_20_color_FFFFFF_t_70_g_se_x_16]: /images/20220828/6c8c1a4dbfe640928470094ba805f8ae.png