Si bien estoy de acuerdo con los demás en que estarás en una desventaja significativa, no creo que sea un requisito estricto.
En primer lugar, se anuncia que todos los trabajos de aprendizaje automático que he visto requieren un título universitario. Simplemente no podrá obtener un trabajo en ninguna empresa que utilice el escaneo automático de currículums. Dichas empresas se preocupan más por si se ajusta a su imagen ideal de empleado que si haría un buen trabajo.
Eso fuera del camino … hay una gran escasez de mineros de datos capaces. Prefiero tener a alguien con habilidades comprobadas para hacer un trabajo como lo demostró Kaggle que alguien con un título en el campo. Si me llamó por teléfono como gerente de contratación y dijo: “Oye, sé que tu JD dice que necesito un título. Soy autodidacta y tengo mucha experiencia en el mundo real. ¿Me considerarías para el puesto? ”, Entonces diría que sí. Utilizo un título universitario como examinador: está ahí para evitar perder el tiempo y demostrar que puedes aplicarte a algo por un período prolongado de tiempo. Estoy feliz de tomar evidencia alternativa para eso.
- Cómo usar la prueba T de Student para la selección de funciones
- ¿Por qué el clasificador Bayes Network funciona tan bien como SVM con menos funciones que las que se usan con SVM?
- ¿Qué es un giroscopio? ¿Como funciona?
- ¿Por qué PCA y LDA se usan juntas en el reconocimiento facial?
- ¿Cómo lidian las personas con visión artificial con el sobreajuste?
Por supuesto, voy a querer ver una cartera impresionante si la estoy tomando en lugar de un título. Completar un par de cursos en línea no es suficiente: voy a necesitar ver evidencia de que pueda resolver problemas del mundo real. Ahí es donde entraría Kaggle.
Mi respuesta aquí es más o menos lo que le diría a cualquiera que solicite una función de programación. Tendrá que superar un obstáculo adicional en el aprendizaje automático que requiere una base sólida en los fundamentos de las estadísticas; tendrías que convencerme de que tus MOOC fueron lo suficientemente rigurosos académicamente. Un programador en su último año podría cubrir algunos aspectos de la teoría de la complejidad, la inteligencia artificial y la visión por computadora, ninguno de los cuales es útil en un rol de programación normal. Un estadístico en su último año podría cubrir HMM, teoría de probabilidad, análisis de varianza y regresión aplicada, todo lo cual he usado como parte de mi trabajo.
