自學成才的Kaggle冠軍：從工程學，數據科學到人工智慧，聊聊這一路

來自專欄智能觀

【智能觀】不需要數據科學學位就能成為這個領域的頂尖人才，可能嗎？以下就介紹一位Kaggle數據科學冠軍是如何通過自學成才的。他叫Gilberto Titericz。

數據科學家、機器學習技術專家，這些備受追捧的人才可以要求高薪，自由選擇職位，還能享受在良好的工作與生活之間的平衡。

許多人正通過在線課程、訓練營或正式的高級學位課程，獲取從事數據科學或機器學習行業所需的技能，但自學數據科學也是可能的，Kaggle大師Gilberto Titericz就是這樣的人。Kaggle把Titericz評為近兩年來最頂尖的數據科學家。

Titericz之前的工作與數據科學並不相干。他是電氣工程碩士，在祖國巴西做了若干年的電氣工程師。

2011年，Titericz找到了讓自己痴迷的東西——數據科學。於是，他開始尋找編程競賽，並找到了Kaggle：一個數據科學社區和競賽網站。

「我每個月都參加新比賽，」Titericz在接受採訪時說，「我參加了100多個比賽。」

Titericz是一名電氣工程師，每周工作30個小時，業餘時間就參加數據科學和Kaggle競賽。他沒有讀在線課程，而是研究數據科學代碼的公共示例，進行自學。通過本職工作，他學會了MatLab（一種編程語言），然後又自學了R和Python。

「擁有工程背景有助於成為數據科學家，」他說，「參加比賽也可以學習。」

「學機器學習和做人工智慧的最好方法就是從自己的錯誤中學習，」Titericz說，「只有多練習，才能學好。」

從開始參賽到Kaggle登頂，Titericz用了三年的時間。最終，他從巴西搬到了美國，進入Airbnb做數據科學家。本月他又跳槽到一家人工智慧和機器學習初創公司工作。

該公司開發了一個將人工智慧應用於數據科學（機器學習）的平台。Titericz將領導先進的數據科學團隊進行研發工作。

那麼這位數據科學大師對未來幾年的數據科學（機器學習）有怎樣的看法呢？

Titericz以自己電氣工程師的身份和經驗，對晶元技術的進步表示樂觀。

「GPU每天都在改進，」他說，「具備多線程功能的演算法在未來很有希望。」

Titericz說，對於企業來說，找到一位優秀的數據科學家將是一種挑戰。

而他所在的新公司將加速企業獲取「世界級的深度學習」的技能。如果Titericz可以協助實現這一使命，就可以緩解當今數據科學家和機器學習專家市場緊俏的狀況。

Titericz表示他很有信心解決這個問題。

「我希望積極推動數據科學和機器學習領域的進步。」

原文鏈接：

https://www.informationweek.com/big-data/ai-machine-learning/self-taught-kaggle-champ-engineering-to-data-science-to-ai/d/d-id/1332047

—完—

親愛的朋友：

讀了本文，你想到什麼？

「活出人生最好的可能」，這是今年我很喜歡的一句話。

與君共勉！

夏安！

智能觀 一米

2018-6-24 於北京中關村

想知道AI加教育領域有哪些最新研究成果？

想要AI領域更多的乾貨？

想了解更多專家的「智能觀」？

請在對話界面點擊「找找看」，去獲取你想要的內容吧。

聲明：

編譯文章旨在幫助讀者了解行業新思想、新觀點及新動態，為原作者觀點，不代表智能觀觀點。