独学で機械学習エンジニアを目指す人のための 10 の戒律

コードを書くのは少し憂鬱になるので、色に囲まれる必要があります

自己規律や自己学習という言葉を軽く受け止めてはいけません。人は自分自身の教育と啓蒙に責任を持たなければなりません。無視すれば、他の人があなたに代わって選択することになります。

[[350337]]

1. 数学、コード、データがあなたのトップ3です

効果的な機械学習パイプラインは、数学、コード、データの交差点です。各アイテムは、他のアイテムと組み合わせて使用​​した場合にのみ効果を発揮します。

データの品質が悪ければ、数学がどれだけ洗練されていても、コードがどれだけ効率的であっても意味がありません。

データの品質が高くても計算が間違っていると、結果があまり良くない、あるいはさらに悪いことに、害を及ぼす可能性があります。

データと計算が世界クラスであっても、コードが非効率であれば、スケーリングのメリットを享受することはできません。

このデータは、天然の宝物を含む採掘場所を提供します。数学はあなたのつるはしです。このコードを使用すると、ツルハシを装備したロボットの軍隊を構築できます。

これら 3 つの項目は、システムの入力 (持っているもの) と出力 (必要なもの) の間の橋渡しとなります。

注: 3 大項目における数学の分野には、統計学と確率学も含まれます。

2. 3つの主要項目の唯一の例外

これら 3 つの項目のバランスをとれていないことに加えて、さらに大きな罪があります。それは、これら 3 つの項目が誰に役立つのかを忘れることです。優れた数学によって駆動される最高のパフォーマンスを発揮するコードであっても、豊富なデータから洞察を得て顧客に役立たなければ意味がありません。

エンジニアはプロセスの中で迷子になり、当初望んでいた結果を忘れてしまうことがよくあります。彼らは善意を持って行動しますが、意図は行動ほど重要ではないことを忘れています。

3 つの主要項目は、顧客に少なくとも何らかのメリットを提供する必要があります。何も提供しないよりはましです。

はっきり言って、最先端のモデルで精度を 1% 向上させるのに 47 倍の時間がかかるとしたら、それは素晴らしいエクスペリエンスを提供していると言えるでしょうか?

3. 3つの主要項目に惑わされない

これら 3 つのアイテムをどれほど愛していたとしても、その愛に盲目になってはいけません。独学で機械学習を学んだエンジニアは、自分自身に対して最も懐疑的です。

彼らは、データは証明できず、反証することしかできないこと（以前の概念を反証するには、10億分の1のデータポイントしか必要ないこと）、少しの計算ミスが極端な結果をもたらす可能性があること（当然ながら直線的ではない）、そしてコードの効率はその最も弱い部分によってのみ決まることを知っています。

たとえ三大要素がいかに神聖なものであっても、直感を無視してはいけません。結果が信じられないほど良すぎる場合は、非常に幸運でない限り、おそらくそれは間違っているでしょう。

4. サービスを提供する必要がある顧客と良好な関係を維持する

機械が得意なこと（プロセスを何度も繰り返すこと）を機械にやらせましょう。自分の得意なこと（思いやり、共感、質問、傾聴、指導、指導）を行うとき。

あなたの顧客はあなたほどビッグ3を気にしていません。彼らは自分たちのニーズが満たされることを重視します。

5. あなたの基礎を築いてくれた人たちを尊敬しましょう

コンピューティング、機械学習、人工知能、数学などを考えるとき、誰の名前が思い浮かびますか?

エイダ・ラブレス、ジェフリー・ヒントン、ヤン・ルカン、ヨシュア・ベンジオ、アラン・チューリング、フェイフェイ・リー、グレース・ホッパー、アンドリュー・ン、ジョン・フォン・ノイマン、アラン・ケイ、スチュアート・ラッセル、ピーター・ノーヴィグ?

もちろん、あなたが聞いたり覚えている名前の他にも、歴史書から消えてしまった、称賛に値する人物が 1,000 人います。

新進気鋭のエンジニアは、先人たちの多大な努力を認めるべきですが、同時に、先人たち全員が新人の機械学習エンジニアに同じことを言うだろうということを認識する必要があります。つまり、この分野の将来はあなたの仕事にかかっているということです。

6. 完全な書き直しの力を過小評価しない

あなたの目標は、最初から信頼できるものを構築することです。しかし、スキルが向上するにつれて、以前の作品を解体し、新しい視点で再作成して再構築したくなるかもしれません。

独学で機械学習を学んだエンジニアは、自然と同じように、ソフトウェアや機械学習のプロジェクトは決して終わることはなく、常に動き続けていることを理解しています。データが変更され、コードが新しいハードウェアで実行され、天才が計算効率が高く、メモリ依存度が低い適切なオプティマイザーを見つけ、それを Adam と名付けました。

こうした変化を受け入れるだけでなく、歓迎すべきです。それらが現れたら、自分の判断力でそれをシステムに実装する価値があるかどうかを判断してください。何かが新しいからといって、それが必須であるとは限りません。

7. ツールに対して感情的になりすぎないようにする

プログラミングの世界では、自転車置き場の塗装はよくある逸話です。これは、カーポートに実際に自転車を保管できるかどうかといった重要な質問をするのではなく、カーポートの色を何色にするべきかを心配するプログラマー、またはプログラマーのグループについて語っています。

もちろん、この自転車置き場もコンピュータプログラムで置き換えることができます。

機械学習の世界では、R 対 Python、TensorFlow 対 PyTorch、書籍対コース、数学対コードファースト (どちらも、三位一体を忘れないでください)、Spark 対 Hadoop、Amazon Web Services 対 Google Cloud Platform、VSCode 対 Jupyter、Nvidia 対… などについて、終わりのない議論を耳にします。

すべての比較は有効ですが、どれも他の比較と議論する価値はありません。

あなたが答えるべき本当の質問は、「自分のアイデアを最も速く、最も信頼できる方法で実現するにはどうすればよいか」です。

一度自分自身にこの質問をしてみると、他の人も同じ質問をしていることがわかります。

エンジニアの呪いは、問題から始めてツールを探し、適切なツールが利用できない場合にのみそれを構築するのではなく、ツールから始めて問題を探すことです。

学習リソースについても同様です。数学、コード、データという 3 つの大きな要素は、一度学習すれば不変です。重要なのは、それらをどのように使用するかという点だけです。

忘れないでください。多くの問題は機械学習なしでも解決できます。

8. あなたのアイデアは商品です

良いアイデアを実行する人とあなたのアイデアを盗む人を混同しないでください。あなたのアイデアは、あなた自身の頭の中にあるよりも、他の人の手に渡ったほうが価値が高まります。

エンジニアとしてのあなたの役割は、自分のアイデアを構築するだけでなく、それを他の人に伝え、そのアイデアからどのようなメリットが得られるかを示すことです。そうしたコミュニケーションスキルが不足している場合は、そうしたスキルを持つ人と協力するか、そうしたスキルを身に付けるよう努めるべきです。

誰も何を信じてよいかわからない世界では、本物であることによって自分を差別化することができます。自分が作ったものが何を提供できるのか、そして自分が何を知らないのかについて正直になりましょう。自分の無知を認めることができるのは弱さではなく強さです。

優れた技術は常に勝ち、嘘は決して勝ちません。テクノロジーを構築する。嘘をつかないで。

9. あなたの隣人、同僚、クラスメート、パートナーもこの質問について考えています

他の人の進歩を見て嫉妬を感じますか? それとも、それを自分が達成できることへのモチベーションと見ますか?

他人の成功についてどう感じるかは、自分が成功したときにどう感じるかと同じです。

10. 欲張らない

3 つの主要分野でスキルを磨き、サービスを提供したい相手からの質問に答えるように努めるべきですが、欲望だけでそうすべきではありません。欲望はあなたを呪い、今あるものを楽しむ代わりに、常に将来を真剣に考えさせてしまいます。

スキルを向上させたいという欲求を治すには、学ぶことへの愛を育むことです。

独学で機械学習を学んだエンジニアは、数学、コード、データの力を活用するために必要な概念をすぐに習得できますが、急ぐことはできません。彼らは、価値のあるスキルを習得するには時間がかかることを理解しており、そうであれば、そのプロセスを楽しんだほうがよいと考えています。

最初から、あなた自身の啓発と教育に責任があるのはあなた自身です。これを知っておけば、どんな運があっても成功するプロジェクトを選ぶべきです。このプロジェクトはあなたの好奇心を満たしていますか？あなたのスキルに挑戦できますか？これらの教訓に従うことができますか？もしそうなら、それで十分です。

最後に、独学で機械学習エンジニアになった人は、自分の道を歩みながら、次のイメージを念頭に置いています。

• 知識がなければ資格はない
• 行動がなければ思考は存在しない
• 楽しみがなければ学びもない
• スタイルがなければ創造はない
• 練習しなければスキルは生まれない
• ツールがなければ目的がない
• 来なければ取引なし
• 疑いも仮定もない
• 貢献がなければ消費もない
• 現在への愛がなければ、将来への望みはない
• 最も重要なのは、3つの主要な要素がなければ機械学習は存在しないということだ。