目录

当人们听到”机器学习工程师”这个词时，他们通常会想到博士学位、多年的正规学习和深厚的数学专业知识。我的故事完全不同，我没有正规的AI学位，但今天我作为一名机器学习工程师工作。如果你想知道这对你是否可能，我在这里告诉你，是的，绝对可能！

我的职业背景

我的职业生涯始于IT，后来转向DevOps。在这个领域工作了近十年，让我扎实掌握了软件工程、自动化、基础设施、持续集成和部署（CI/CD），最重要的是，对解决问题的深深热爱。这些技能最终成为转向机器学习的基础。

我的转折点

和许多人一样，我的兴趣是随着ChatGPT的发布而激发的。在ChatGPT之前，AI对我来说似乎遥远而抽象。但与ChatGPT的互动改变了一切。亲眼目睹生成式AI能够实现的功能让我立刻成为了信徒。突然间，我看到未来正在我眼前展开，我迫切地想成为其中的一部分。

我如何在没有学位的情况下学习机器学习

从基础开始

我直接跳进了在线课程，从Andrew Ng的deeplearning.ai专业化开始。这些课程帮助揭开了复杂主题的神秘面纱，为神经网络、深度学习和实用机器学习概念提供了坚实的基础。

结合DevOps和机器学习

利用我的DevOps经验，我快速确定了我现有技能与机器学习的交集——MLOps。我研究了我们公司内部机器学习团队的平台，发现了改进的地方，并与他们密切合作。最终，我在内部会议上做了一次技术演讲，展示了机器学习平台，并突出了传统DevOps如何转变机器学习工作流程。

实践经验和黑客马拉松

当我参加内部黑客马拉松，构建了一个检索增强生成（RAG）聊天机器人时，学习机器学习变成了实践。这不仅具有挑战性和令人兴奋，而且我们的机器人赢得了黑客马拉松！这强化了我的信念，即实践项目加速学习并建立信誉。

通过构建和分享学习

除了结构化课程，我还接受了fast.ai的实用建议，并开发了许多项目。我持续通过演示、内部演示和博客文章分享这些项目。公开写作和参与关于AI的播客帮助我巩固了我的学习，并在机器学习社区建立了我的信誉。

迈出这一步

过了一段时间，内部出现了一个机会——与我们的一个机器学习团队的短期借调。尽管在借调后对工作安全的风险和不确定性，我决定抓住这个机会。幸运的是，我的经理们非常支持。这次经历对帮助我完全转向机器学习至关重要。

下一个机会

仅仅三个月后，又出现了另一个内部机会——专门机器学习团队的永久职位。我申请了，并很高兴能加入这个出色的工程师团队。现在，我的日常工作涉及实际的机器学习项目，使用尖端的生成式AI，并构建直接服务数百万用户的可靠、可扩展的机器学习系统。我新获得的机器学习技能和强大的工程基础相结合，使我能够从第一天起就做出有意义的贡献。

如果你也在考虑同样的事情

  • 利用你现有的技能： 你当前的专业知识是有价值的。识别重叠部分（如DevOps与MLOps）以加速你的转型。
  • 公开学习： 写博客记录你的旅程，分享你的项目，在聚会或内部会议上演讲。这建立了信誉并加深了你的理解。
  • 拥抱机会： 不要回避内部机会，即使它们不确定或是临时的。这些是宝贵的垫脚石。
  • 持续构建： 实践项目强化理论知识。持续开发、展示和迭代。

结论

ML图像

如果你曾经怀疑自己是否能在没有正规学位的情况下转向机器学习——让我的旅程成为你可以的证明。保持好奇心，利用你现有的专业知识，接受实践项目，并在机会出现时抓住它们。你进入机器学习的道路正等待你迈出第一步！