Gracias por preguntarme sobre esto.
Como profesor, veo a mis estudiantes luchando por conseguir un trabajo de TI (en realidad, en este momento la demanda de TI es tan alta en mi área, que los estudiantes son fácilmente empleados; sin embargo, este no era el caso hace medio año). El empleador le pide al solicitante experiencia previa, y esto lleva a un círculo vicioso.
Por lo que he visto, el siguiente trabajo para el trabajo de TI; Estoy muy seguro de que podría ser útil para el trabajo de ML:
1. solicitar una pasantía; esto extraerá su currículum de una pila de currículums muy similares
2. si eres estudiante: participa en comunicaciones científicas; al menos aquí, en Rumania, cada facultad organiza anualmente sesiones científicas de estudiantes; las empresas están ansiosas por ver jóvenes talentos y es un buen punto de partida, incluso con una experiencia laboral mínima
3. demuestre su interés y experiencia escribiendo un blog técnico;
4. mantener un perfil de linkedin actualizado; Mencione su experiencia, cursos Coursera / EDX que siguió.
- ¿Cómo es el aprendizaje automático de IBM Watson mejor que las bibliotecas de código abierto?
- ¿Cuáles son algunas de las charlas TED imperdibles sobre temas de tecnología, especialmente Internet, IA, robótica y SMR?
- ¿Necesito tener conocimientos especializados en inteligencia artificial para hacer un valor para la sociedad?
- ¿Qué puede hacer el aprendizaje automático que la analítica tradicional no puede hacer?
- ¿Qué temas debo saber en PNL?
Específicamente para ML:
5. ser un participante / editor / respondedor activo en las comunicaciones de ML (sub-rama de quora, MetaOptimize Q + A – aprendizaje automático, procesamiento del lenguaje natural, inteligencia artificial, análisis de texto, recuperación de información, búsqueda, minería de datos, modelado estadístico y datos) visualización, o validación cruzada, etc.). mencionalo en tu currículum.
6. participar en reuniones relacionadas con esta área; También es posible que desee seguir algunas reuniones relacionadas con la “ciencia de datos”, por ejemplo, las relacionadas con R (sí, usted mencionó Python, pero para algunos clavos, R es un mejor martillo).
¡Buena suerte!
