五个职业妇女领袖在机器学习的技巧

Khabibullina Schulze,卢娜,喘气都证明有许多路径进入毫升和从传统和非传统的线性。

月神:之前,我没有真正的机器学习经验加入AWS。25年前我曾在语言翻译软件,所以我将在一个线程从过去的职业生涯中,但这个经历似乎让我在门口。我也有一些DevOps经验,这适用于我的角色在ML。我想说不要害怕把自己,不管什么职业道路的技术。一件大事我们的会员与其他女性想要的是一个地方网络已经在ML工作。我不能强调足够的接触和建立这些联系的重要性。


Schulze:我开始在技术和媒体通信行业在德国,在我的第一个角色是在市场调查。这是我意识到我想要了解科学和ML的基本面数据。我有一个商业背景,但我一直与人建立自己的网络领域,追求数据科学的角色和实习。

Khabibullina:我加入了亚马逊在亚马逊机器人作为传统的软件开发工程师。当我好奇ML,我伸出几个团队空间,包括Alexa的团队,我加入后不久。这是我第一次在亚马逊毫升的经验,我绝对喜欢它。特别是,我认为智能家居用例改善家庭安全启用优雅的衰老水平如此强大。自那时以来,我一直致力于构建ML-based应用在过去的五年,计数。门似乎关闭了,但有时,轻轻一推就能打开它。

Schulze:成为一个AWS数据科学家之前,我在另一个角色在亚马逊。我总是不相信,我可以用我的兴趣ML / AI真正识别作为一个数据科学家。但是导师指导我网站和其他资源,并且经常问我能理解内容。我回答说,我可以,她告诉我,是的,我是一个数据科学家,去。她真的验证我的野心和鼓励我使用我的商业背景,独特的卖点。


所有四个董事会成员坚持ML /人工智能感兴趣的人会惊讶于他们已经知道多少。

月神:我总是说女性在我们的群,你可能比你认为你知道的更多。任何背景的相关计算是毫升和人工智能。最专业的一系列地区计算已经开始进入毫升,这背景会帮助你比你意识到的。

Khabibullina:毫升空间发展迅速。四年前,最常见的角色毫升,我可以看到“科学家”和“工程师”。Today, we need more specialized backgrounds to cover emerging needs, such as data-specific roles; applied research scientist roles; machine learning engineer roles; DevOps roles; frontend, cloud, and software engineer roles; and more. As the field continues to expand, people with diverse backgrounds are essential.

一大障碍毫升和AI是你需要高素质和认证在这个领域工作,博士学位数学或统计数据。

Schulze:当我知道我想进入ML / AI,我决定做一些进一步的研究。与我的背景,我只是不觉得我可以做数学硕士学位。相反,我发现了一个课程叫“大数据和业务分析,“我研究了一年。它专注于客户的角度来看,我喜欢,这站在我开展我的职业生涯作为一个数据科学家。

裤子:我遇到很多人认为他们必须有一个统计或数学博士学位在ML /人工智能开始任何的作用,这是不正确的。总神话,你必须经过很多课程和得到一个特定的程度。你可以开始没有这个。任何ML / AI组织典型的角色如:产品经理、技术项目经理,和数据分析师,这都需要专业知识但不深ML / AI背景。


Khabibullina:如果你想进入科学的数据,它可以很简单,比如一个简短的在线课程。亚马逊机器学习大学是一个很好的起点。如果你想了解大数据领域,我建议看火花,Hadoop,更容易训练等服务美国焊接学会认证数字徽章。工程方面,如果你感兴趣我会看看构建知识的JavaScript数据可视化,Java服务和基础设施开发和Python代码毫升。

月神:作为技能而言,可转移技能交流和对细节的关注也将带你走得很远。如果你真正感兴趣的推出一个毫升的职业生涯中,我将构建一个基本的框架,如Python的理解,Java或node . js。理解其中的一个可能非常有用。行业坐在一个横截面的很多不同的技能,因此设计和客户体验非常有价值。

每个人都同意,精心挑选导师可以改变你的职业,也是一个伟大的方式回馈一旦你进入这个行业。

Khabibullina:导师让一个戏剧性的影响我的事业和我的成长能力。我试着从每个导师学到一件事,无论是软技能,比如如何影响没有权威,或一个技术,如最好的方法来开发一个毫升模型为一个特定的用例。ML /人工智能中工作时,您应该将以同样的方式找到一个导师科学家利用顶尖科学家的研究和多角度帮助他们打造一条向前走的道路。,我的意思是你问谁之,考虑他们的技能和知识,并考虑如何互相帮助。


月神:在计算总的来说,作为一个女人,它是非常重要的导师,尤其是在ML,它将帮助你发现你可能不知道激动人心的新领域。这是我们组的一大焦点。我们导师在非正式和正式的方法来帮助女性连接和共享,包括如何构建这个行业的职业发展计划。我们有一个松弛的渠道,和很高兴看到我们的成员把自己。有人会问导师专攻特定的东西,别人就会进步,和他们安排咖啡聊天。更正式,我们称之为指导圈子,四圈的“小组辅导”,使女性分享故事和听彼此更亲密的设置。

毫升,人工智能是一个相对年轻的领域。有如此多的机会,到目前为止,有一个机会更多的女性获得一席之地。

裤子:我不认为任何人可以想象多少毫升可以作为一个行业。这就是为什么我告诉人们不要接受任何界限。总是寻找尚未解决的问题和未满足的需求。当你把所有权,相信我,该解决方案将遵循。你所要做的脱颖而出,让你的马克是寻找尚未被满足的需求和解决挑战别人不想承担。最初,这将是不舒服,可以模糊和模糊的,但它是未知的领域。有很多的发展和成功的,尤其是对女性。

月神:这个神话,毫升,人工智能是一个狭小的空间,我们在语音指令和语音识别工作,但它是如此难以置信的广泛。仅在过去六个月,我的团队推出了跨DevOps毫升服务,计算机视觉,制造业和医疗保健。有着太多的发生和很多机会在你感兴趣的一个领域。

Khabibullina:这是边缘的一个行业创新,和科幻电影可能会误导我们,它远比我们想象的更先进。事实是,它仍然是非常早期,机会在这里设置标准的多样性和代表性。毫升象征着我们设定预期的机会在技术部门,建立字段之前没有任何偏见,谁应该在这里工作。除了表示,个人有机会来设计自己的职业道路。这个领域还没有饱和。我们需要更多的人,更多的专业知识。这意味着你可以决定去哪里,做什么,做到这一点比你想象的更容易,而不是在一个繁忙的市场争夺就业机会。