如何构建一个器学习项目来找到工作？

雷锋网 AI 科技评论按：如何找到一份机器学习的工作？对于这个问题， SharpestMindsAI 创始人、物理学家和机器学习专家 Edouard Harris 写了一篇博客，雷锋网 AI 科技评论整理。

我是一个在 YC 初创公司工作的物理学家。我们的工作是帮助刚毕业的学生得到他们的第一份机器学习工作。

前一段时间，我写了一篇关于如何才能获得第一份机器学习工作的文章。我在那篇文章中说，有一件你应该做的事是建立个人机器学习项目。但我并没有说明如何去做这件事，所以在这篇文章里，我会告诉你怎么做。

由于工作原因，我看到过成百上千的个人项目的例子，它们有的非常好，有的很糟糕。下面我将给你讲讲其中的两个非常好的项目。

全力以赴地投入项目

下面是一个真实的故事，只是为了保护隐私，我改了名字。

当杂货店需要更新库存的时候，X 公司使会用人工智能去提醒它们。我们有一个名叫 Ron 的学生，他真的很想去 X 公司工作。Ron 实在是太想去 X 公司工作了，因此，他投入所有的精力建立了一个个人项目，这个项目让他得到了 X 公司的面试机会。

像这样全力以赴地为进入一家公司做准备是一件冒险的事情，我们通常不建议这样做。但是我在前面说过，Ron 真的非常想去 X 公司工作。

那么 Ron 建立了一个什么样的个人项目？

红色的矩形框表示缺货

1. Ron 先把手机绑到购物车上，之后他推着购物车在杂货店的过道上来回走动，同时用相机把杂货店的货架拍摄下来。他在不同的杂货店做了 10 到 12 次这样的工作。
   

2. Ron 一到家，就开始着手建立机器学习模型。他的模型可以识别出杂货店货架上没有货物的地方，这些地方的玉米片（或其他东西）被拿走了。
   

3. Ron 在 GitHub 上实时构建模型，并完全公开。每天，他都会对自己的模型进行改进来提高它的准确性，并记录其中的变化。
   

4. 当注意到 Ron 所做的事情时，X 公司表现出了极大的兴趣。事实上，X 公司甚至对此感到紧张。他们为什么会紧张？因为 Ron 不知不觉地在几天内重构了他们的专有的技术栈的一部分。
   

X 公司实力强劲，他们的技术在同行业中首屈一指。尽管如此，在 4 天之内，Ron 的项目已经引起了 X 公司 CEO 的注意。

试验项目

这是另一个真实的故事。

Alex 是历史系的学生，同时他辅修了俄语研究。不同于其他历史专业的学生，他对机器学习特别感兴趣。更不寻常的是，尽管从未写过一行 Python 代码，他决定去学习机器学习。

Alex 选择通过实践来学习。他决定建立一个分类器来检测飞机上的飞行员是否失去意识。Alex 想通过观看飞行员的视频来探索这个问题。人们很容易通过观察就能判断一个飞行员是否失去意识，所以 Alex 认为机器也有可能做到这一点。

以下是 Alex 花了几个月做的事情：

Alex 的意识丧失感应探测器模型 G-force

1. Alex 在 YouTube 上下载了从驾驶舱里拍摄的飞行员驾驶飞机的每个视频片段。
   

2. 接下来，他开始标记数据。Alex 创建了一个 UI，他可以在上面滚动观看数千个视频片段，这个 UI 上有两个按钮，按其中一个按钮显示「有意识」，按另一个按钮显示「无意识」。按下按钮后，当前视频片段会被自动保存在正确标记的文件夹中。这个过程非常无聊，花了他很多很多天的时间。
   

3. Alex 为这些图像建立了一条数据管道，可以将飞行员从驾驶舱的背景中裁剪出来，以便使他的分类器更容易地将注意力集中在飞行员身上。最后，他建立了他的意识丧失分类器。
   

4. 在做这些工作的同时，Alex 也在社交活动中向招聘经理展示他项目的照片。每次当他拿出手机展示他的项目时间，他们问会他是怎么做到这些的，关于他如何建造管道，以及他如何收集数据。但是他们从来没有抽出时间去问过他的模型的精确度--低于 50%。
   

Alex 当然打算提高他的准确性，但是在做这个事情之前他就被录用了。事实证明，他的项目所带来的视觉冲击，以及他在数据收集方面不屈不挠、足智多谋的特质，对公司来说比他的模型实际有多好更重要。
我提过 Alex 是主修历史辅修俄语研究吗？

他们有什么共同点？

是什么让 Ron 和 Alex 如此成功？因为他们做到了下面四点：

1. Ron 和 Alex 没有花太多精力去建模。我知道这听起来很奇怪，但是对于现在许多用例来说，建模是一个已经解决的问题。在真正的工作中，除非你做的是最先进的人工智能研究，否则无论如何，你将花费 80-90% 的时间来清理数据。是什么让你的个人项目与众不同？
   

2. Ron和Alex收集了他们自己的数据。正因为如此，它们最终得到的数据比 Kaggle 或 UCI 数据库中的数据更混乱。但是这些混乱的数据教会了他们如何处理混乱数据。相比从学术服务器下载数据，这种方式让他们更好地理解了他们的数据。
   

3. Ron 和 Alex 创造了可以被看到的东西。面试不是让你的技能被一个通晓一切的面试官客观地评估，而是一个向别人推销自己的过程。人类是视觉动物。所以，拿出你的手机，向面试官展示你所做的一切吧，确保你所做的看起来很有趣是值得的。
   

4. Ron 和 Alex 的所作所为看起来很疯狂，实际上也很疯狂。一般人不会把手机绑在购物车上。普通人不会花时间从 YouTube 视频中裁剪飞行员，你知道谁会干这种事情吗？想尽所有办法都要达到目标的人。而公司真的很想雇佣这些人。
   

Ron 和 Alex 看起来似乎做了太多的工作，但实际上，这并不比你在一份真正的工作中所需要做的事情多。这就是最关键的一点：当你没有做 X 的工作经验时，招聘经理会从你做过的事情中寻找那些和 X 相关的事情。

幸运的是，你只需要构建一两个项目---Ron 和 Alex 的项目在他们所有的面试中被反复使用。
因此，如果要我用一句话概括一个伟大的机器学习项目的秘密，那就是：构建一个带有一个有趣的数据集的项目，这个数据集必须是花费了显而易见的努力收集来的，并使这个项目尽可能给人以深刻的视觉印象。

雷锋网