0
  • 聊天消息
  • 系統(tǒng)消息
  • 評(píng)論與回復(fù)
登錄后你可以
  • 下載海量資料
  • 學(xué)習(xí)在線課程
  • 觀看技術(shù)視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會(huì)員中心
創(chuàng)作中心

完善資料讓更多小伙伴認(rèn)識(shí)你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

機(jī)器學(xué)習(xí)英雄訪談錄之DL實(shí)踐家:Dominic Monn

lviY_AI_shequ ? 來源:lq ? 2019-02-04 09:50 ? 次閱讀

前言

Sanyam Bhutani是 Medium 上一位專注 ML 和 CV 的博主,本系列翻譯自他進(jìn)行的系列采訪——《機(jī)器學(xué)習(xí)英雄訪談錄》。

學(xué)習(xí)從模仿開始,要模仿就要模仿那些最棒的人,這是我開始本系列的初衷。

采訪對(duì)象

Dominic Monn

一位偉大的領(lǐng)袖、締造者、社區(qū)領(lǐng)導(dǎo)者、自駕車工程師和遠(yuǎn)程工作的 DL 工程師。1

采訪正文

Sanyam:嗨,Dominic!感謝你接受這次采訪,我很高興能夠采訪你。

Dominic:嗨,Sanyam,很高興和你談話!

Sanyam:你是我在 2018 年見過最好的(AI)實(shí)踐家之一,你能向讀者介紹下你自己嗎?

Dominic:哦,很榮幸:) 我的名字叫 Dominic,我今年 20 歲,是 Loom.ai2的深度學(xué)習(xí)工程師。該公司坐落在舊金山,我在瑞士遠(yuǎn)程工作。除此之外,Loom.ai 是三星 AR Emoji 背后的公司。

在此之前,我在蘇黎世做 NVIDIA 的深度學(xué)習(xí)實(shí)習(xí)生。在 Udacity 拿下自駕車工程師的 Nanodegree 之后,我到了那里。

Sanyam:了不起。工作之外,你還在許多平臺(tái)上工作,你能分享一下這些嗎?

Dominic:我喜歡用我的周末和空閑時(shí)間來建立業(yè)余項(xiàng)目。占據(jù)我大部分時(shí)間的兩個(gè)項(xiàng)目是MentorCruise(https://mentorcruise.com/),這是一個(gè)將學(xué)生與技術(shù)經(jīng)驗(yàn)豐富的導(dǎo)師聯(lián)系起來的市場;以及RemoteML(https://remoteml.com/),一個(gè)全球性的社區(qū)和招聘欄,全部關(guān)于機(jī)器學(xué)習(xí)方面的遠(yuǎn)程工作。

我一直在尋找下一個(gè)要解決的問題和下一個(gè)要開發(fā)的產(chǎn)品,這很贊。

Sanyam:你現(xiàn)在是一位經(jīng)驗(yàn)豐富的實(shí)踐家,但是第一件讓你對(duì) AI 感興趣的事是什么?

Dominic:我從軟件工程開始,經(jīng)歷了 4 年的學(xué)徒生涯,當(dāng)時(shí)在一家軟件和網(wǎng)絡(luò)代理商工作。在做了 2 到 3 年的 web app 和網(wǎng)站之后,我感到厭倦并開始尋找新的方向,我開始嘗試使用“虛幻”引擎和游戲開發(fā),然后對(duì) UX 有一點(diǎn)興趣并最終進(jìn)入 AI / ML。

Sanyam:有沒有一個(gè)時(shí)間點(diǎn),你決定要把它(AI)作為你的職業(yè)?

Dominic:我對(duì)機(jī)器學(xué)習(xí)的興趣始于另一個(gè)業(yè)余項(xiàng)目。我在 Kaggle 從基礎(chǔ)起步,并最終拿到了 Udacity 的 Nanodegree。我總是喜歡嘗試,并順應(yīng)我的專業(yè)(從事研發(fā))路徑。當(dāng)我有機(jī)會(huì)去 NVIDIA 時(shí)(盡管軟件工程師提供了更多賺大錢的 offer),我抓住了機(jī)會(huì)。

Sanyam:你提到過一些你正在為之工作的優(yōu)秀平臺(tái),我個(gè)人知道你可以非??焖俚亟桓洞a。你如何設(shè)法完成多項(xiàng)任務(wù)?你的秘訣是什么?

Dominic:當(dāng)我醒來時(shí),我總是知道我今天會(huì)做些什么。我使用 Todoist 在前一天晚上計(jì)劃一整天的事項(xiàng)。我全職工作,這占用了我的大部分時(shí)間,所以在兩餐、散步、鍛煉和睡覺之間,我需要知道我今天能做些什么。關(guān)鍵是要快速行動(dòng),不要害怕交付。

我的每個(gè)項(xiàng)目都有一個(gè)很大的 to-do list。有些更重要,通??梢钥焖偻瓿桑渌恍┮呀?jīng)躺在 list 幾個(gè)月了。這一切都與管理預(yù)期、切分工作和快速交付有關(guān)。

Sanyam:我們聊聊你即將到來的冒險(xiǎn)。我們可以從 Logits.co 中得到什么?

Dominic:RemoteML 最初是一個(gè)小型的求職欄。如今,我們在全球擁有超過 750 名會(huì)員,其中大部分都熱切希望在機(jī)器學(xué)習(xí)領(lǐng)域做些工作。公司和初創(chuàng)公司可以使用 Logits.co 進(jìn)入該社區(qū),為他們的項(xiàng)目聘請自由職業(yè)者。我很高興看到它正在如何發(fā)揮作用。

Sanyam:在我們結(jié)束之前,你會(huì)給那些剛接觸 ML 領(lǐng)域的人提供什么最好的建議?

Dominic:不要害怕盡早出名以及做基礎(chǔ)的工作,無論是商業(yè)還是機(jī)器學(xué)習(xí)??焖俳桓恫@得實(shí)習(xí),下決心,剩下的就是水到渠成。

Sanyam:在哪里能與你取得聯(lián)系或關(guān)注你的工作?

Dominic:我在Twitter(@dqmonn)上非?;钴S,我的 DM 已經(jīng)開了。RemoteML Machine Learning Chat(https://remoteml.com/chat/)上我也幾乎總是在線,所以一定要在那里找我。

Sanyam:非常感謝你在這次采訪中的談話。

對(duì)我的啟發(fā)

Udacity 的 Nanodegree 含金量挺高。

機(jī)器學(xué)習(xí)方面的遠(yuǎn)程工作是個(gè)潛在趨勢,這方面的自由職業(yè)者也會(huì)逐漸增加,是個(gè)創(chuàng)業(yè)方向,可以考慮建立這樣的平臺(tái),類似傳統(tǒng)招聘網(wǎng)站。

一個(gè)好用的 to-do list 軟件:Todoist。

有必要掌握敏捷開發(fā)的技能。

注釋

應(yīng)該是在調(diào)侃龍媽的一連串稱號(hào)。

Loom.ai 是位于美國舊金山的一家計(jì)算機(jī)視覺公司。

聲明:本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點(diǎn)僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場。文章及其配圖僅供工程師學(xué)習(xí)之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問題,請聯(lián)系本站處理。 舉報(bào)投訴

原文標(biāo)題:機(jī)器學(xué)習(xí)英雄訪談錄之 DL 實(shí)踐家:Dominic Monn

文章出處:【微信號(hào):AI_shequ,微信公眾號(hào):人工智能愛好者社區(qū)】歡迎添加關(guān)注!文章轉(zhuǎn)載請注明出處。

收藏 人收藏

    評(píng)論

    相關(guān)推薦

    【「時(shí)間序列與機(jī)器學(xué)習(xí)」閱讀體驗(yàn)】+ 鳥瞰這本書

    清晰,從時(shí)間序列分析的基礎(chǔ)理論出發(fā),逐步深入到機(jī)器學(xué)習(xí)算法在時(shí)間序列預(yù)測中的應(yīng)用,內(nèi)容全面,循序漸進(jìn)。每一章都經(jīng)過精心設(shè)計(jì),對(duì)理論知識(shí)進(jìn)行了詳細(xì)的闡述,對(duì)實(shí)際案例進(jìn)行了生動(dòng)的展示,使讀者在理論與實(shí)踐
    發(fā)表于 08-12 11:28

    【「時(shí)間序列與機(jī)器學(xué)習(xí)」閱讀體驗(yàn)】+ 簡單建議

    這本書以其系統(tǒng)性的框架和深入淺出的講解,為讀者繪制了一幅時(shí)間序列分析與機(jī)器學(xué)習(xí)融合應(yīng)用的宏偉藍(lán)圖。作者不僅扎實(shí)地構(gòu)建了時(shí)間序列分析的基礎(chǔ)知識(shí),更巧妙地展示了機(jī)器學(xué)習(xí)如何在這一領(lǐng)域發(fā)揮巨
    發(fā)表于 08-12 11:21

    AI入門深度學(xué)習(xí):基本概念篇

    1、什么是深度學(xué)習(xí) 1.1、機(jī)器學(xué)習(xí) ?? ? 圖1:計(jì)算機(jī)有效工作的常用方法:程序員編寫規(guī)則(程序),計(jì)算機(jī)遵循這些規(guī)則將輸入數(shù)據(jù)轉(zhuǎn)換為適當(dāng)?shù)拇鸢?。這一方法被稱為符號(hào)主義人工智能,適合用來解決定
    的頭像 發(fā)表于 08-08 11:24 ?1732次閱讀
    AI入門<b class='flag-5'>之</b>深度<b class='flag-5'>學(xué)習(xí)</b>:基本概念篇

    人工智能、機(jī)器學(xué)習(xí)和深度學(xué)習(xí)是什么

    在科技日新月異的今天,人工智能(Artificial Intelligence, AI)、機(jī)器學(xué)習(xí)(Machine Learning, ML)和深度學(xué)習(xí)(Deep Learning, DL
    的頭像 發(fā)表于 07-03 18:22 ?716次閱讀

    機(jī)器學(xué)習(xí)算法原理詳解

    機(jī)器學(xué)習(xí)作為人工智能的一個(gè)重要分支,其目標(biāo)是通過讓計(jì)算機(jī)自動(dòng)從數(shù)據(jù)中學(xué)習(xí)并改進(jìn)其性能,而無需進(jìn)行明確的編程。本文將深入解讀幾種常見的機(jī)器學(xué)習(xí)
    的頭像 發(fā)表于 07-02 11:25 ?415次閱讀

    深度學(xué)習(xí)與傳統(tǒng)機(jī)器學(xué)習(xí)的對(duì)比

    在人工智能的浪潮中,機(jī)器學(xué)習(xí)和深度學(xué)習(xí)無疑是兩大核心驅(qū)動(dòng)力。它們各自以其獨(dú)特的方式推動(dòng)著技術(shù)的進(jìn)步,為眾多領(lǐng)域帶來了革命性的變化。然而,盡管它們都屬于機(jī)器
    的頭像 發(fā)表于 07-01 11:40 ?696次閱讀

    機(jī)器學(xué)習(xí)的經(jīng)典算法與應(yīng)用

    關(guān)于數(shù)據(jù)機(jī)器學(xué)習(xí)就是喂入算法和數(shù)據(jù),讓算法從數(shù)據(jù)中尋找一種相應(yīng)的關(guān)系。Iris鳶尾花數(shù)據(jù)集是一個(gè)經(jīng)典數(shù)據(jù)集,在統(tǒng)計(jì)學(xué)習(xí)機(jī)器學(xué)習(xí)領(lǐng)域都經(jīng)常被
    的頭像 發(fā)表于 06-27 08:27 ?1454次閱讀
    <b class='flag-5'>機(jī)器</b><b class='flag-5'>學(xué)習(xí)</b>的經(jīng)典算法與應(yīng)用

    名單公布!【書籍評(píng)測活動(dòng)NO.35】如何用「時(shí)間序列與機(jī)器學(xué)習(xí)」解鎖未來?

    應(yīng)用,將理論基礎(chǔ)與實(shí)踐案例相結(jié)合,作者憑借扎實(shí)的數(shù)學(xué)功底及其在企業(yè)界的豐富實(shí)踐經(jīng)驗(yàn),將機(jī)器學(xué)習(xí)與時(shí)間序列分析巧妙融合在書中。 全書書共分為8章,系統(tǒng)介紹時(shí)間序列的基礎(chǔ)知識(shí)、常用預(yù)測方法
    發(fā)表于 06-25 15:00

    請問PSoC? Creator IDE可以支持IMAGIMOB機(jī)器學(xué)習(xí)嗎?

    我的項(xiàng)目使用 POSC62 MCU 進(jìn)行開發(fā),由于 UDB 模塊是需求的重要組成部分,所以我選擇了PSoC? Creator IDE 來進(jìn)行項(xiàng)目開發(fā)。 但現(xiàn)在,由于需要擴(kuò)展,我不得不使用機(jī)器學(xué)習(xí)模塊
    發(fā)表于 05-20 08:06

    大語言模型:原理與工程實(shí)踐+初識(shí)2

    前言 深度學(xué)習(xí)機(jī)器學(xué)習(xí)的分支,而大語言模型是深度學(xué)習(xí)的分支。機(jī)器學(xué)習(xí)的核心是讓計(jì)算機(jī)系統(tǒng)通過對(duì)
    發(fā)表于 05-13 00:09

    機(jī)器學(xué)習(xí)8大調(diào)參技巧

    今天給大家一篇關(guān)于機(jī)器學(xué)習(xí)調(diào)參技巧的文章。超參數(shù)調(diào)優(yōu)是機(jī)器學(xué)習(xí)例程中的基本步驟之一。該方法也稱為超參數(shù)優(yōu)化,需要搜索超參數(shù)的最佳配置以實(shí)現(xiàn)最佳性能。
    的頭像 發(fā)表于 03-23 08:26 ?481次閱讀
    <b class='flag-5'>機(jī)器</b><b class='flag-5'>學(xué)習(xí)</b>8大調(diào)參技巧

    華為pockets怎么

    華為pockets怎么
    的頭像 發(fā)表于 03-06 17:34 ?1030次閱讀

    如何使用TensorFlow構(gòu)建機(jī)器學(xué)習(xí)模型

    在這篇文章中,我將逐步講解如何使用 TensorFlow 創(chuàng)建一個(gè)簡單的機(jī)器學(xué)習(xí)模型。
    的頭像 發(fā)表于 01-08 09:25 ?818次閱讀
    如何使用TensorFlow構(gòu)建<b class='flag-5'>機(jī)器</b><b class='flag-5'>學(xué)習(xí)</b>模型

    實(shí)踐GoF的23種設(shè)計(jì)模式:備忘模式

    相對(duì)于代理模式、工廠模式等設(shè)計(jì)模式,備忘模式(Memento)在我們?nèi)粘i_發(fā)中出鏡率并不高,除了應(yīng)用場景的限制之外,另一個(gè)原因,可能是備忘模式
    的頭像 發(fā)表于 11-25 09:05 ?457次閱讀
    <b class='flag-5'>實(shí)踐</b>GoF的23種設(shè)計(jì)模式:備忘<b class='flag-5'>錄</b>模式

    淺析機(jī)器學(xué)習(xí)的基本步驟

    機(jī)器學(xué)習(xí)中,機(jī)器學(xué)習(xí)的效率在很大程度上取決于它所提供的數(shù)據(jù)集,數(shù)據(jù)集的大小和豐富程度也決定了最終預(yù)測的結(jié)果質(zhì)量。目前在算力方面,量子計(jì)算能超越傳統(tǒng)二進(jìn)制的編碼系統(tǒng),利用量子的糾纏與疊
    發(fā)表于 10-30 11:13 ?336次閱讀
    淺析<b class='flag-5'>機(jī)器</b><b class='flag-5'>學(xué)習(xí)</b>的基本步驟