박사 학위 취득을 고려하고 있다면. 기계 학습에서 또는 "적절한" 배경 지식 없이 현장에 입문하는 경우, 결정을 내리기 전에 알아야 할 몇 가지 중요한 통찰력은 다음과 같습니다. 학계와 산업계: 박사 과정을 추구합니다. 의 기술은 해당 분야에 진출하여 특정 연구 목표를 달성할 수 있는 좋은 방법이 될 수 있습니다. 기계 학습 그러나 학계와 산업계의 장단점을 고려하는 것이 중요합니다. 오픈 소스 연구 조직에 참여하거나 부업 프로젝트에 참여하는 것과 같은 대체 경로는 실제로 일부 개인에게는 대학원 연구보다 더 유용할 수 있습니다. 다음은 Brian의 인터뷰에서 얻은 몇 가지 최고의 팁에 대한 명확한 목록입니다. : 머신러닝 분야에서 첫 직장을 구하는 경우 자신이 만든 정량적 영향을 보여주는 것이 중요합니다. 이는 서비스 속도를 높이거나, 모델 성능을 개선하거나, 고용주를 위한 수익 창출이 될 수 있습니다. 이러한 성과를 강조하기 위해 이력서를 개인화하는 것이 중요합니다. 이력서 개인화 : 채용 시 강력한 개인 브랜드와 온라인 프로필의 영향력을 과소평가하지 마십시오. 작업을 공유하고, 협업하고, 소셜 미디어를 활용해 보세요. 브랜드와 온라인 인지도의 힘 : 네트워킹은 모든 분야에서 필수적이며 머신러닝도 예외는 아닙니다. 전통적인 소셜 네트워킹에 뛰어들어 업계에서 관계를 맺어보세요. LinkedIn에서 사람들에게 다가가고, 네트워킹 이벤트에 참석하고, 참여하고, 경쟁이 치열한 시장에서 두각을 나타내기 위해 더욱 노력하십시오. 연결 구축 온라인 커뮤니티에 : 인터뷰에 들어가면 자신의 이야기를 공유하는 것이 중요합니다. 채용 담당자가 귀하의 이력서를 읽었으므로 귀하가 수행한 프로젝트와 귀하가 극복한 과제에 대해 이야기하십시오. 당신을 만드는 모든 것, 당신! 이야기 공유 이러한 통찰력은 박사가 공유했습니다. 워싱턴 대학의 후보자이자 트위터 계정의 창립자입니다. AI에 접근하는 방법, 트위터 페이지 성장, 팟캐스트 호스팅, 최고의 인터뷰 진행, 더 나은 이력서 작성 방법에 대한 더 많은 통찰력을 얻으려면 아래의 전체 팟캐스트를 시청하세요! Brian Burns AI Pub 팟캐스트 보기 https://youtu.be/M0aLFZegaec?embedable=true&transcript=true ( 또는 에서도 이용 가능) Spotify Apple Podcasts
