Полезен ли Kaggle при поиске работы по машинному обучению?

Опубликовано: 18 Июня, 2021

Если вы каким-либо образом связаны с технологической индустрией, скорее всего, вы слышали о машинном обучении! Это современная передовая технология, которая находит широкое применение практически во всех секторах. И если вы слышали о машинном обучении, скорее всего, вам будет интересно узнать о нем больше и расширить свои знания. Kaggle в настоящее время является лучшей платформой для знакомства с сообществом специалистов по машинному обучению и науке о данных и изучения этой увлекательной технологии. Это крупнейшая в мире платформа для машинного обучения с более чем 23000 общедоступных наборов данных для тренировок и различных соревнований для улучшения ваших навыков. Некоторые из этих соревнований также требуют безумных денег (раз предлагалось 1,5 миллиона!).

Но вопрос все еще остается…. Полезен ли Kaggle при поиске работы по машинному обучению ? Конечно, вы можете узнать о машинном обучении на этой платформе, поскольку они предоставляют бесплатные курсы, а также применяют свои знания в различных конкурсах, но актуально ли это в какой-либо отрасли? И поможет ли практика и присутствие на Kaggle во время собеседований и получения работы по машинному обучению?

Как компании находят таланты в машинном обучении с помощью Kaggle?

Машинное обучение - относительно новая технология, а это значит, что есть много способов стать инженером по машинному обучению. Большинство людей, работающих на этих должностях, не имеют формального образования в области машинного обучения или науки о данных, но в различных областях, таких как информатика, статистика, управление бизнесом или даже психология! Это, очевидно, означает, что компании также используют неортодоксальные методы для набора талантов в области машинного обучения.

Один из путей для этого - соревнования Kaggle. Плюсом этих соревнований является то, что они используют реальные данные, которые в основном предоставляются организациями, принимающими эти соревнования. Например, в Kaggle в настоящее время проводятся соревнования, такие как прогнозирование знаний учащихся с течением времени, прогнозирование количественной торговли и т. Д., Которые предлагают призовой фонд в размере 100,00 долларов США.

По сути, это означает, что компании используют конкурсы Kaggle как способ найти различные решения проблемы. Эти решения создаются людьми со всего мира с разным академическим и отраслевым опытом, что обеспечивает более глубокое знакомство с машинным обучением. Еще одно преимущество участия в этих соревнованиях Kaggle заключается в том, что они являются отличным помощником для вашего резюме. Отличные и стабильные результаты в соревнованиях могут быть плюсом при подаче заявки на стажировку или работу в области машинного обучения и даже получить желанную должность. Прекрасным примером этого является Жилберто Титерик , который в 2015 году занял первое место на Kaggle и получил работу в Airbnb благодаря предложениям от Tesla и Google! Некоторые компании даже указывают в своих требованиях к работе, что наличие опыта победы в соревнованиях Kaggle будет плюсом в процессе приема на работу!

Есть еще более прямые способы получить работу на конкурсах Kaggle. Есть много компаний, которые специально создают конкурсы, где победители получают возможность пройти собеседование со своей командой по машинному обучению. Некоторые популярные компании, проводившие конкурсы по найму на Kaggle, включают Facebook, Airbnb, Yelp, Telstra, Walmart и т. Д. Один из предыдущих победителей конкурса по подбору персонала Facebook на Kaggle, Том Ван де Виле , даже получил возможность сменить карьеру в Eastman Chemical Бельгия - DeepMind, компании искусственного интеллекта, принадлежащей Alphabet, материнской компании Google! Таким образом, очевидно, что успешное выступление на соревнованиях Kaggle открывает множество возможностей для начинающих инженеров по машинному обучению или тех, кто желает сменить карьеру.

Некоторые возможности, которые предоставляет не только Kaggle

Хотя Kaggle может открыть путь к поиску работы в области машинного обучения или анализа данных, у него есть некоторые недостатки, которые делают его только частью процесса найма. Это означает, что ваше заявление о приеме на работу не может зависеть только от вашего профиля Kaggle. Одним из недостатков Kaggle является то, что участники используют только очищенные и тщательно отобранные данные , предоставленные организациями. Им также предоставляется четкий вопрос, на который они должны найти ответ из данных. Это не моделирует реальные проблемы, когда данные часто грязные и сложные, и нет фиксированного вопроса, который можно было бы решить с помощью машинного обучения. Поскольку Kaggle не дает опыта в этом аспекте, который имеет решающее значение для работы в области машинного обучения, важно также выполнять некоторые независимые проекты, которые подчеркнут ваши возможности для рекрутеров.

Карьера в области машинного обучения также требует деловой хватки, чтобы понимать, как данные вписываются в профиль компании и повышают ее прибыльность. Не менее важно обладать отличными коммуникативными навыками, чтобы можно было объяснить сложные концепции машинного обучения и науки о данных лицам, принимающим решения, не обязательно имеющим технический опыт. Kaggle не предоставляет никаких возможностей для повышения этих навыков, которые также являются важной частью получения работы инженером по машинному обучению. Чтобы преодолеть этот недостаток, вы можете подать заявку на стажировку по машинному обучению, которая даст вам общее представление о том, как стать инженером по машинному обучению.

Так поможет ли Kaggle получить работу?

В общем, Kaggle - очень полезный инструмент для поиска работы по машинному обучению. Отличный профиль Kaggle определенно приведет к большому количеству отзывов со стороны рекрутеров, которые помогут вам найти работу! Хорошая работа в Kaggle демонстрирует навыки решения проблем и командную работу, которые являются некоторыми характеристиками, необходимыми для того, чтобы стать хорошим инженером по машинному обучению и помочь вам выделиться из толпы. Однако важно помнить, что, хотя Kaggle определенно полезен при получении работы в области машинного обучения или обработки данных, это не единственный фактор, который следует учитывать, и только часть процесса найма. Если только вы не действительно исключительный гроссмейстер Kaggle или что-то в этом роде !!! По сути, это отличная идея присоединиться к Kaggle и принять участие в соревнованиях, но вы также должны не забывать работать над некоторыми независимыми проектами и, если возможно, пройти стажировку.