머신러닝 컨설턴트가 되기 위해 사용할 수 있는 사다리 접근법

머신러닝으로 돈을 벌고 싶습니까? 이 글에서는 중소기업과 스타트업의 일반적인 데이터 요구 사항을 충족할 수 있을 정도의 머신러닝을 학습하기 위한 청사진을 간략하게 설명합니다. 

다만 한가지 알아야 할 사실은, 쉽지는 않다는 것입니다. 무엇보다 당신은 열심히 일해야 하며, 현실 세계의 실제 사람들과 이야기해야 합니다.

청사진

이 게시물에 제시된 청사진은 머신러닝에 대한 열정적인 관심과 중소 기업 또는 스타트업의 일반적인 데이터 문제를 해결하고 솔루션을 제공할 수 있는 능력과 자신감에 이르기까지 당신을 안내합니다. 이 경로의 청사진은 다음과 같습니다.

1. 기초 구축
2. 포트폴리오 구축
3. 솔루션 제공

배경과 관심사를 감안할 때, 당신은 당신의 필요에 맞게 로드맵을 조정할 수 있습니다.

보다 분명히 하자면, 우리는 응용 머신러닝에만 관심이 있습니다. 우리는 당신이 자신의 문제를 더 잘 이해하고 자신이 일하는 문제에 대해 더 나은 결과를 얻을 수 있게 해 줄 정도로만 이론과 도구에 관심이 있습니다. 이것은 반직관적이지만 매우 생산적인 견해입니다. 지금 필요한 것을 배우고 결과를 제공하는 데에만 집중하십시오. 그것은 완벽이 아니라 좋은 결과를 안정적으로 달성하는 것에 관한 것입니다.

1. 기초 구축

처음부터 끝까지 문제를 해결할 수 있는 자신감을 갖기 위해 충분히 응용된 머신러닝을 학습해야 합니다. 

1. 프로세스를 선택하고 배우십시오. 문제 정의에서 결과 제공까지 수행할 수 있는 단계별 프로세스를 학습합니다. 몇 가지 예에는 KDD, Crisp-DM, OSEMN 등이 있습니다.
2. 도구를 선택하고 배우십시오. 선택한 프로세스를 완료하는 데 사용할 수 있는 도구 또는 라이브러리에 대해 알아봅니다. 저는 당신의 관심사와 선호도에 따라 Weka, scikit-learn, R 중 하나를 추천합니다.
3. 작은 데이터 세트로 연습하십시오. 연습할 수 있는 작은 데이터 세트를 다운로드합니다. UCI ML 저장소에 많은 시간을 할애하십시오.

임의의 in-memory 문제를 선택하고 도구를 사용하여 처음부터 끝까지 작업 할 수 있을 정도로 자신감과 능력이 있으면 계속 진행할 준비가 된 것입니다.

2. 포트폴리오 구축

문제를 해결할 수있는 기초 능력이 있으면 다른 사람들이 귀하의 능력을 평가하는 데 사용할 수 있는 객관적인 지표를 만들 수 있습니다. 당신의 능력을 입증하는 완성된 프로젝트가 필요합니다. 완성된 머신러닝 프로젝트의 포트폴리오를 구축하여 이 작업을 수행할 수 있습니다.

마음가짐

여기서 잠깐 데이터 관련 이슈가 있는 관리자 또는 기업가의 입장에서 생각해 보시기 바랍니다. 당신은 프로그래머를 채용할 때 이전 회사 또는 오픈 소스 프로젝트에서 결과를 낼 수 있는 능력이 있었는지를 볼 것입니다. 또한 마케팅 담당자를 채용할 때는 잠재 고객을 매출로 전환시킬 수 있는 능력을 고려할 것입니다. 그렇다면 데이터 담당자를 채용할 때는 어떤 능력을 고려할 것입니까? 제가 만약 그 자리에 있었다면 저는 완성된 프로젝트를 보고 싶다고 했을 것입니다. 한발 더 나가서, 저는 제가 찾고 있는 결과물(보고서, 모델)과 근접한 프로젝트를 완성해 본 경험이 있는 후보자를 찾을 것입니다.

당신의 포트폴리오

1. 주제를 선택합니다. 작업하려는 프로젝트 유형입니다. 가장 쉬운 결정은 고객 데이터(높은 가치의 고객, 잠재 고객의 전환율 예측 등)에 대한 보고서입니다.
2. 열려 있는 데이터 세트를 찾습니다. 주제에 가깝거나 정확히 부합하는는 데이터 세트를 찾아야 합니다. Kaggle 및 KDDCup과 같은 경쟁 웹 사이트를 출발점으로 살펴보십시오. 요즘엔 연습할 수 있는 많은 공개 데이터 세트가 있습니다!
3. 프로젝트를 완성합니다. 각 데이터 세트를 실제 고객이 있는 프로젝트처럼 취급하고 프로세스를 적용하여 결과를 제공합니다. 이를 위해서는 고객의 입장에서 고객이 찾고 있는 결과(특정 질문에 대한 모델 또는 보고서 등)에 대해 추측을 해야 할 수도 있습니다.
4. 쓰기. 연구 결과를 일정 부분 공식적인 제품으로서 작성하고 온라인으로 공개하십시오.

이 마지막 요점은 핵심이며 자세히 설명 할 것입니다.

이상적으로는 프로세스의 각 부분을 스크립트로 작성하여 버그를 찾거나 통찰력을 얻을 때 언제든지 다시 실행할 수 있습니다. 모든 코드와 스크립트를 프로젝트의 공용 github 계정에 업로드하는 것이 좋습니다.

각 프로젝트의 결과를 기술 보고서 또는 파워포인트로 작성하십시오. 결과를 보여주는 짧은 비디오를 녹화하는 것도 고려하십시오. github, 블로그 또는 어딘가에 보고서를 업로드십시오. 공개 LinkedIn 프로필에 프로젝트를 작성하십시오.

당신이 누군가에게 객관적으로 당신이 어떤 주제에 결과를 제공할 수 있다고 설득할 수 있다면 된 것입니다. 나는 중간 사이즈 정도의 완성된 프로젝트 3~5개 정도가 적당하다고 생각합니다.

머신러닝 프로젝트 포트폴리오 구축에 대한 자세한 내용은 “머신러닝 포트폴리오 구축: 소규모 집중 프로젝트 완료 및 기술 시연” 게시물을 참조하십시오.

3. 솔루션 제공

이제 당신은 결과물을 만들어 내기 위한 역량과 그것을 입증할 증거가 있기 때문에 완성할 수 있는 프로젝트를 찾을 차례입니다. 이 때 혼자 생각할 게 아니라 사람들과 이야기해 보는 것이 중요합니다. 이 단계는 훌륭한 필터가 될 것입니다. 이 단계는 조금 두렵고 어려울 수 있으나 꼭 필요합니다.

1. 도움을 줄 수 있는 사람을 찾습니다. 소셜 네트워크를 사용하십시오. 모임에 참석하고, 소개를 받아보세요. 직접 만나서 (이상적으로) 자신의 문제에 대해 알아보고 데이터에 액세스 할 수 있는 소규모 회사 또는 스타트업을 찾으십시오.
2. 정직하십시오. 진실을 말하십시오. 당신이 어디에서 왔는지, 당신이 한 일, 그리고 당신이 그들을 위해 무엇을 할 수 있는지 설명하십시오. 첫 번째 프로젝트는 무료 또는 저렴한 가격으로 작업해 보십시오. 그것은 사람들에게 당신이 성과지향적이고 추진력이 있으며 헝그리 정신이 있음을 보여줍니다. 우리 모두는 이런 식으로 자신을 보여주는 사람들과 일하기를 원합니다.
3. 전달. 일을 하십시오. 프로젝트를 지정하고, 범위를 작고 명확하게 유지하며, 제공하겠다고 약속한 내용을 제공하십시오. 다시 말하지만, 전에 하지 않았거나 어떻게 해야 할지 모르는 것을 약속하지 마십시오.
4. 반복하십시오.

프로젝트의 범위를 작게 유지하고 작업시간을 짧게 유지하십시오. 이상적으로는 1-2 주 안에 결과물을 제공하십시오. 고객을 위한 추진력, 빠른 결과 및 빠른 학습이 필요합니다.

실제 프로젝트를 완료했다면 이것을 당신의 포트폴리오에 추가하십시오 (고객의 개인 정보를 보호하기 위해 민감한 정보는 제거해야 합니다).