机器学习路线图不适合初学者

Question

自我介绍:我知道什么是RL，知道一些RL算法，比如PPO，A2C。了解离线RL，在线RL。我读过很多关于RL的论文。如MuZero、AplhaZero、决策转换器等，我对监督学习也有很大的了解。了解从MPL到现代变压器的许多体系结构。我能解决很多问题。我读过许多关于监督学习的论文。如DETR、VIT、T5、BERT、GPT-3等.我从没有监督的学习中知道了一些事情。昨天我读过一些关于SwAV的论文，比如DINO，UP，SIMCLR等等。我要看报纸。在无监督学习中学习更多关于聚类的知识。为了建立神经网络，我用火把。

我是大学的学生。我想成为专业的人工智能研究员。想在集市上工作。

问题：

接下来我该学些什么？我必须具备哪些技能才能成为人工智能研究员？请给出完整的路线图，从我目前的水平到水平的研究人员。谢谢。

Answer 1

作为美国三所顶尖大学的专业研究员，我将给出我的观点。请注意，每个人的道路是不同的，所以要听取很多意见。最好的提示和建议将是这些意见的一部分，所以你会对可能的道路有一个想法。此外，请注意，我不会假设你是一个神童学生，你可能会从大学辍学，公司，如公平，谷歌等将把你置于他们的翅膀，并培训你作为一名研究人员。我的建议将主要集中在你平均需要什么来增加你的成功机会。

首先，成为一名专业研究员和在博览会上工作是两件不同的事情(当然，在同一时间或不同的时间可以做到这一点)。现在，要成为一名专业研究员，你需要专业培训= PhD课程。PhD年是你为了进行原始研究而接受培训的年份。因此，追求PhD应该是你的第一目标中期(毕业后)。

切记，作为一个公平的研究科学家，你将被期望定义你自己的研究路径，这应该与你将属于的更多的研究人员的目标保持一致。这意味着你需要问正确的问题。有趣的问题，并可能导致有趣和有影响的工作。当然，这意味着你非常了解你的研究对象的文献。而且，通常情况下，博览会、谷歌等公司的研究科学家已经从博士/博士后那里获得了一些很有影响力的研究亮点，公司有兴趣将这些研究方向与他们的研究方向结合起来。换句话说，他们有一些有价值的东西可以“卖”，而不仅仅是好的技能。

这就引出了我的下一个观点:专业化。如果你的目标是作为一名研究科学家在博览会(例如，不是谷歌)，你需要有具体的理由，为什么公平。你喜欢他们研究的具体内容吗？例如，如果你想成为一名RL专家，这不一定会引导你达到公平，因为与谷歌( Google )相比，他们在RL上的投入并不是很大。这些是你需要考虑的事情。

如果你不开始专注于你想要做的事情来实现你的目标，那么在ML中有一点经验并不能引导你去任何地方。我们说的是马拉松，而不是冲刺，所以你需要考虑长期目标(未来10年的计划)。

了解架构并拥有零ML基础不会使您在这一领域有多大的优势。随着您获得经验，开始了解组/系列方法/技术。例如，您可能知道PPO、A2C，但是您可能不知道策略梯度方法和值方法之间有什么不同。这些都是你需要考虑的事情，你将采取更集中的路径。成功的研究人员非常了解他们的领域，并能提出成功的下一步，以推动他们的领域的边界。您需要建立一个更全面的理解，而不仅仅是对架构的了解。这引出了我的最后一点:数学。

在数学和统计学方面很好，作为ML的研究人员是非常有价值的。是的，选择艰难的道路，并在你的领域的数学变得优秀。不要听别人说你不需要数学。

其他几件事:尽早参加研究小组，找出你喜欢什么。如果需要的话，可以参加研究硕士或者理科硕士课程，特别是如果你需要更多的课程。给人们发电子邮件，让他们得到建议，并一次又一次地问问题！尝试尽早发布，然后申请PhD。选择一个好的主管，这也将是一个导师(非常重要，因为有些人正在监督没有指导)。你可能会在一个竞争激烈的实验室结束，但主管可能太忙了，你将得不到他/她的任何东西。也想想你从一个项目/合作/学徒生涯中得到了什么。始终保持你的数学和编码技能的敏锐。最后，集中精力(再次)，缩小那些吸引你的研究领域。

我尽我所能去掩饰。祝你万事如意，记得要有耐心和毅力！