¿Vale la pena dejar mi trabajo de desarrollador de software de USD $ 150K para estudiar el aprendizaje automático y el aprendizaje profundo?

La única justificación para dejar su trabajo sería unirse a un programa de posgrado de tiempo completo en Machine Learning. En todos los demás escenarios, el aprendizaje debe realizarse mientras se mantiene su trabajo. En mi humilde opinión, necesita reunir un poco más de estructura y disciplina.

Mira este video de Andrew Ng. Él está hablando de lo que se necesita para ser bueno en Machine Learning. Mira desde la 1:10:00

La conclusión es esta: cada vez que tenga un poco de tiempo libre, tendrá que elegir “ ¿Debería usarlo para mis proyectos de autoaprendizaje? “. Si su respuesta a esta pregunta es a menudo sí, entonces hará un buen progreso.

Si va a hacer esto, le recomiendo que lo consulte en un doctorado.

Si bien Machine Learning, AI y Deep Learning son palabras de moda en este momento, son útiles en la estimación de funciones. Tener una base en SWE implica que, sea lo que sea lo que aprenda, puede aplicarlo al mundo real en un entorno de producción en lugar de citar R ^ 2 o Precision / Recall, escribir un documento y asistir a una conferencia.

Según los datos que estamos viendo aquí en Paysa, un ingeniero de software con doctorado en ese campo actualmente tiene la mayor demanda en este momento (los ingenieros / investigadores de seguridad cibernética son el número 2).

Dado que la barrera real para entrar en este espacio es tan alta, es una inversión que vale la pena saber qué está sucediendo bajo el capó de decir TensorFlow en lugar de simplemente usar la caja negra.

Buena suerte.

bueno, depende de qué tipo de trabajo quieras hacer después de terminar el estudio para el aprendizaje automático.

1.investigación académica

Si quieres ser un experto como Andrew Ng, hay dos opciones a continuación:

1. tiene suficiente dinero para mantenerlo (y a su familia si es necesario)

• simplemente obtenga un máster en CS, aprendizaje automático especialmente. Mientras estudia en la universidad, es posible que necesite encontrar un profesor como su asesor y trabajar estrechamente con él, de esa manera publicaría documentos que le permitirán solicitar un PHD.

1. tienes que ganar dinero para alimentarte a ti y a tu familia.

• Te sugiero que encuentres un trabajo en el laboratorio del profesor cuyos proyectos de investigación combinen ingeniería de software y aprendizaje automático, puedes tener la oportunidad de estudiar aprendizaje automático bajo la guía de un profesional y también pagar.

2. trabajo industrial

si está aburrido con el trabajo que ocupó y desea cambiar su carrera, le sugiero que NO LO HAGA.

ya sea aprendizaje automático o desarrollo de software, todos son trabajos que la sociedad necesita. Si cambia su carrera de desarrollo de software a aprendizaje automático, debe desarrollar su experiencia desde cero, no vale la pena.

Creo que si está interesado tanto en el aprendizaje automático, puede aprenderlo de los MOOC, como couresra, edx, etc. de esa manera puede mejorar su estructura de conocimiento, agregar un arma poderosa a su caja de habilidades.

• Aprendiendo Python: tienes experiencia en el desarrollo de software, creo que es muy fácil aprender Python.
• revisar cálculo, álgebra lineal, probabilidad
• tome un curso de aprendizaje automático, recomiende el aprendizaje automático de Andrew Ng.
• jugar en la plataforma kaggle
• lleve su conocimiento de aprendizaje automático y su experiencia en ciencia de datos a su trabajo actual, como publicar un servicio web de aprendizaje automático, etc.

BUENA SUERTE

Creo que todo depende de detalles, como:

a) si tiene una familia que mantener

b) qué tan sólida es su experiencia, es decir, si ya tiene muchos problemas en su historial y si ha trabajado para empleadores acreditados durante buenos períodos de tiempo, es decir, más de 1 a 2 años

c) si tiene muchas referencias / contactos fuertes en la industria y es un gran ingeniero.

d) cuántos años tiene, cuánto tiempo tiene aparte del trabajo para aprender un conjunto totalmente nuevo de habilidades.

Creo que primero vale la pena preguntar, ¿qué falta de mi trabajo actual que pueda encontrar como ingeniero de ML? Sería muy claro acerca de esta parte primero. Quizás algunos puestos de ingeniería de ML satisfagan esto, otros no. También, pregunte, ¿puedo buscar esto como una forma de licencia no remunerada? Si es así, esto también parece más seguro, independientemente de cómo se corte.

Muchas personas en la vida priorizan fuertemente el empleo estable. Digo que esto es claramente importante, dependiendo de su situación financiera y etapa de la vida, pero también digo que a veces, también hay algo que decir para perseguir la pasión y para dar un paso atrás y tomar la iniciativa para mejorar la felicidad. o para diversificar. La mayoría de las cosas grandiosas en la vida sucedieron porque las personas tomaron un riesgo calculado.

También creo que a veces puedes diferenciarte por una rara combinación de habilidades, y siempre que puedas contar una historia coherente sobre tus decisiones profesionales a futuros empleadores, en algunas situaciones puede ser una ventaja.

Estoy de acuerdo con aquellos que dicen que debes hacer esto con mucho cuidado. Tal vez necesite más estructura, porque lo encontró demasiado difícil y lento, por lo que debería considerar una maestría a tiempo parcial. No dejaría mi trabajo diario para hacer esto, porque no hay garantía de que aprender ML me lleve inmediatamente a mejores oportunidades profesionales.

Por un lado, pasarás de ser un desarrollador web experimentado a un ingeniero novato de ML. Los ingenieros de ML hacen una gran cantidad de ingeniería de software, por supuesto, y tiene cierta experiencia que le permitirá aumentar rápidamente, pero parece que está haciendo cosas de front-end, mientras que el trabajo de ML generalmente es completamente back-end. Un posible empleador puede optar por no contratarlo, simplemente porque esperaría un salario de alto nivel, pero su experiencia no lo justificaría. Pueden arriesgarse, pero también pueden optar por aprobar y obtener un nuevo graduado por más barato, o una persona de ML con más experiencia por lo que pediría.

Básicamente, tener un trabajo mientras realiza una búsqueda de trabajo le brinda más opciones y también hace que los empleadores piensen mejor de usted. Es más seguro tener cuidado.

Antes de renunciar a su trabajo, le sugiero que haga lo siguiente. Tómese una semana libre y haga un curso en línea sobre aprendizaje automático. El curso Caltech Learning From Data es un buen comienzo. Vea si le gusta lo que está aprendiendo y evalúe si puede continuar aprendiendo sin el lujo de tener un cheque de pago. Eso te dará una idea si dejar de trabajar y estudiar a tiempo completo es algo que disfrutarás.

¿Por qué no puedes aprender durante tus horas libres? “Duro y lento” es probablemente solo al principio.

Y si usted es uno de esos súper codificadores, tal vez cuando termine sus entregas para el trabajo diario tenga 1 hora extra a la luz del día (o tome un descanso y haga sus cosas). ¿Puede leer un breve artículo académico durante el almuerzo de 30 minutos, tal vez?

El problema con el aprendizaje a tiempo completo es que a veces necesita un descanso entre ellos de todos modos (también podría hacer ese trabajo diario donde gana ahora). O bien, puede estar atascado de todos modos porque la última combinación de python y biblioteca no se estaba comportando bien en su sistema conda y sería mejor esperar el lanzamiento del parche la próxima semana … o su fuente de datos para el raspado está pendiente … o cualquier otra razón de retraso.

Cuando utilicé por primera vez la agrupación k-means para detectar fraudes en mi trabajo (ahorré ese fin de semana a mi empresa al menos un par de millones de dólares), ni siquiera estaba trabajando como programador: la división en la que trabajo es de naturaleza técnica, pero estaba parte de la “gestión”. Creo que incluso mi amigable CTO me habría enviado a vacaciones forzadas si abordara la idea de que quiero aprender Machine Learning en el trabajo (LOL). Creo que incluso tuve cuidado de no usar esos términos cuando discutí los detalles más tarde con colegas (quería simplificar las discusiones).

Esto fue a mediados de la década de 2000 cuando ML e IA aún no son populares y tuve que tomar prestadas herramientas que normalmente no se dan a la “administración”, o usar cualquier cosa de error que pueda obtener de inmediato (a veces es divertido ver BSOD en lo que es computacionalmente “abusivo” cosas que trato de hacer en Excel 2003) porque mis amigos en la unidad de BI / DW están abrumados y necesitarán hasta la próxima semana para obtener un informe especial.

Pero puede hacerse. De todos modos, el aprendizaje no es un evento único. Estoy seguro de que la próxima semana alguien presentará un nuevo enfoque que desaprobará algunas de las rutinas en las que hemos estado trabajando …

Como sugiere Vladimir anteriormente, hay una mayor superposición entre sus problemas técnicos reales y su pasión por el aprendizaje. Mi caso fue probablemente un objetivo difícil. El tuyo es más en el vecindario (juego de palabras KNN previsto). Bueno

¿Por qué no intentas encontrar otro trabajo que te permita trabajar en estrecha colaboración con los ingenieros de Machine Learning al mismo tiempo que aún puedes usar tus habilidades actuales? De esta manera, estará más familiarizado con el tema y probablemente obtendrá algunas tareas para comenzar a aprender a partir de allí y darle una idea del trabajo.

Quizás ni siquiera necesite cambiar la compañía para la que trabaja. No sé sobre la startup que te emplea ahora, es posible que no tengan ningún proyecto que involucre Machine Learning en este momento, pero ¿no podrías hablar de esto con tu equipo? Tal vez tenga una buena idea para implementar un nuevo sistema (puede ser algo muy pequeño para mejorar lo que sea que estén desarrollando) y luego puedan volver a realizar algunas tareas relacionadas con lo que parece ser su pasión.

Como sugieren otras respuestas, piense detenidamente antes de dejar el trabajo, no porque no deba ser aventurero (lo que debería o no según su contexto, si tiene deudas, si su familia depende de usted …) sino porque puede encontrar que El aprendizaje automático no es tan bueno como pensabas.

Para descubrir eso, probablemente le preguntes a la multitud equivocada. Cualquiera que trabaje en Machine Learning te dirá lo increíble que es. Hay un muy buen ensayo escrito por Sartre donde sugiere que cuando hagas una pregunta, dependiendo de la respuesta que quieras escuchar, irás a preguntar a diferentes personas. Siempre pensé que era muy perspicaz descubrir lo que realmente quieres.

No. Encuentra una manera de aprender mientras sigues trabajando. Tómese el tiempo de vacaciones. Permiso no pagado si es necesario. Pero no renuncies.

La razón principal es que cuando estás desempleado es MUCHO más difícil conseguir un trabajo que cuando ya estás empleado. Justo o injusto, los candidatos desempleados siempre plantean una pregunta mental de “si eran buenos, ¿por qué no están empleados?”. Y si superas eso, cuando se trata del tiempo de negociación salarial, tendrás un nivel bajo, ya que no necesitan intentar igualar / vencer a ninguna compensación actual.

Aquí hay otra posible estrategia para tirar por ahí. Si es un desarrollador web front end experimentado, aprenda sobre visualizaciones de datos, bibliotecas como d3.js y otras cosas. Luego, utilícelo como una forma de empresa de ciencia de datos que está haciendo aprendizaje automático. Y luego aproveche sus cursos para tratar de involucrarse con proyectos de ML una vez que esté dentro.

Doce bibliotecas de JavaScript para visualización de datos

Mi sugerencia es NO. Entiendo tu punto de hacer ambas cosas. En general, use las siguientes pautas

1. Mantenga su trabajo diario como una actividad que lo alimenta (y puede ser su familia). Si no necesita el dinero (ahorre
2. su segunda actividad debe estar siempre en los libros en cualquier momento de la vida

1. salud – mejorar
2. aprendiendo nuevas cosas.
3. hobby: algo que disfrutas (puede ser una combinación de ayb)
4. Caridad / ayuda a las personas que no pueden ayudarse a sí mismas: niños, ancianos, etc. (ya sea por dinero o tiempo o ambos)

Espero que esto ayude

Creo que el elemento más importante aquí es su prioridad. El trabajo de “$ 150k” parece ser extremadamente bueno para dejarlo. Entonces, ¿qué pasa si el salario es de $ 100k, $ 50k o más, como $ 200k, etc.? El número confunde nuestras respuestas porque nadie sabe exactamente en qué condición se encuentra, cada persona tiene sus propios gastos, expectativas y prioridades. Por lo tanto, mi consejo: debe considerar sus elementos: la satisfacción del salario reciente o el deseo de aprender lo que desea, cuál es el dominante y luego seguir la elección que cree que no lo decepcionará.

La verdadera pregunta que debe hacerse es esta: “¿qué me encanta hacer más que cualquier otra cosa, independientemente del salario?” Ahí es donde debe concentrarse. Por lo general, no me gusta contar historias anecdóticas de mi propia experiencia al responder las preguntas profesionales de otras personas, pero lo haré en este caso: fui a la escuela de posgrado en astrofísica porque me encantó el descubrimiento que surge del proceso de desarrollar una hipótesis , recopilar datos y realizar investigaciones y análisis científicos diligentes para verificar, refutar o refinar la hipótesis. Después de muchos años de estudio (pregrado y posgrado), mi primer trabajo (con doctorado en mano) tenía un salario que era aproximadamente 3 veces menos de lo que ganaban mis amigos que no obtuvieron un título avanzado. No me importó la discrepancia porque estaba haciendo lo que amaba. Eso fue hace más de 30 años y apuesto a que la discrepancia se ha ido hace mucho tiempo, ¡mientras sigo haciendo cosas que amo hacer todos los días! Hubo diferentes trabajos a lo largo del viaje, con diferentes responsabilidades, ¡pero siempre un científico! Cualquier recompensa que estoy disfrutando ahora fue el resultado de la pasión, el entusiasmo y el deseo de hacer lo que amaba, amar lo que estaba haciendo y hacerlo bien. ¿Cuál es la “única cosa” para ti? Mire esa pregunta primero. Encuentra esa “una cosa”, y luego vívela … … ah, y agárrate fuerte, porque a veces es un viaje lleno de baches. 🙂

La hierba no siempre es más verde del otro lado. Inscríbase en línea para un programa de aprendizaje a distancia sobre aprendizaje automático. Averigüe si eso es lo que realmente quiere hacer antes de comprometerse. Además, el aprendizaje automático no se trata solo de codificación. También requiere un amplio conocimiento de estadísticas e inteligencia de negocios y el salario promedio es definitivamente menor a $ 100k. Se inteligente…

Probablemente no valga la pena en términos de dinero. Después de obtener su MSCS con tesis en aprendizaje automático, probablemente obtendrá otro trabajo de desarrollador, tal vez por hasta $ 150K.

Solo usted puede decir si vale la pena en términos de satisfacción personal con la vida.

Obtuve un BSCS (equivalente), luego trabajé durante 10 años, luego volví para un MSCS, luego volví a trabajar. No ayudó en nada a mi carrera, pero valió la pena por la diversión de ser académico nuevamente.

¿Te encanta ese trabajo de 150k, o lo estás haciendo más o menos solo por el dinero?

¿Tienes la libertad de salir y mejorar / alterar tu carrera?

Si las respuestas son “no, lo hago principalmente por el dinero, tengo algo de dinero en el banco y realmente me encantaría ir al aprendizaje automático”, entonces yo, lo haría … nuevamente, siempre que tenga los medios . Si vivir en el desempleo durante un año para ingresar a la industria es algo que puede permitirse, entonces hágalo.

Solo ten en cuenta; El dinero va rápido. Eche un vistazo a dónde estará en un año si no encuentra trabajo.

Parece que te apasiona el aprendizaje automático. Una opción diferente sería escribir instituciones de investigación e instituciones de becas de investigación con una propuesta de doctorado.

De esta manera, podrá invertir a tiempo completo en su doctorado mientras recibe el salario (pequeño) de los estudiantes de doctorado.

Sí definitivamente.

El aprendizaje automático y el aprendizaje profundo son increíblemente interesantes en este momento y se hacen más grandes y más desarrollados cada mes.

Si nos fijamos en una lista de Forbes de las principales empresas de nueva tecnología, la mayoría de ellas son empresas basadas en datos.

No sé toda tu situación, pero no dudes en enviarme un mensaje. Trabajo para un campamento de ciencia de datos en línea. Tenemos estudiantes en pistas de tiempo completo y pistas de medio tiempo. Puedo presentarle a algunos estudiantes que han dejado sus trabajos para estudiar, así como a estudiantes que han mantenido sus trabajos mientras estudiaban durante las noches y los fines de semana.

El aprendizaje profundo es como una burbuja, si ya tienes un trabajo bien remunerado, no lo detengas para hacer un estudio a tiempo completo. Puede hacer la auto lectura y cambiar para un nuevo trabajo.