亚马逊帮你成为ML从业者，免费！

大数据文摘出品

来源：medium

编译：青柠

 

长期以来，亚马逊一直在努力解决精通机器学习和软件工程两大领域的人才供过于求的问题。迄今为止，他们已经开发出大量内部资源帮助员工快速掌握基本要领。这通常被称为OJT，意为“在职培训”。

 

OJT的作用仅限于你的员工。除了已聘用的员工外，公司还依靠教育系统定期输送有能力的人才。该系统已经运行了数百年。但是，潮流正在转变。机器学习集成到工业工作流程的速度已经大大超过了教育系统提供全套人才的能力。这部分是由于大型系统必然发展缓慢，但也由于该领域主要算法和工具缺乏收敛性。教育系统基本面临一个选择：是努力适应当前趋势；还是坚持传统技术、并让OJT解决最后一英里的问题。

 

 

亚马逊的举措

亚马逊有一个好主意——二者折中。

 

学术界在很大程度上倾向于成熟的经典教育技术，这是正确的做法。为了解决最后一英里在职培训、而不是雇佣后教育的问题，亚马逊现在公开了其内部“ML大学”的课程材料。这样，他们甚至可以在面试前就培训许多最终员工。这对双方都有帮助。一方面，准员工可以在申请工作之前学习更多相关材料，并在选择工作和承担责任方面更有能力。另一方面，亚马逊和类似公司可以在面试中比以往更直接地判断人才。既然如此多的学习材料是公开的，当申请人在某个子领域没有经验时，质疑的空间就更小了。

 

 

目前仅三门课程供立即使用：自然语言，计算机视觉和表格数据。但是，2020年底将有更多内容推出，到2021年初所有材料都将公开。

 

“通过公开这些课程，我们在机器学习这一主题上为科学界做出了贡献，并使机器学习更加民主。” Werness补充说，“该领域并不局限于具有高等科学学位或技术背景的个人。将课件公开的举措代表了降低软件开发人员，学生和其他想要开始机器学习的建设者的障碍的一步。”

-亚马逊科学

 

查看下面的“加速计算机视觉”课程的介绍，整个课程可在类似YouTube页面上找到：

https://www.youtube.com/watch?v=_6CFi2CO2AI

 

意见和注意事项

这对于行业内机器学习的民主化非常重要。长期以来，学术界对于ML研究非常开放合作。开源软件运动也是如此。在过去十年时间里，我们已经看到这些思想扩展到ML工业领域。它的继续将确保经济总量增长，同时促进良性的竞争。

 

不过，我要提个警告。所谓“供应商锁定”发生在这样一种情况下：供应商仅允许其自己的产品在整个生态系统中使用，以至于消费者陷入了只能购买该供应商的商品和服务的困境，否则他（她）将承担乏善可陈的整合或从新提供商那里重新开始转换的成本。只需比较一下Apple，Microsoft和Google产品，就可以发现供应商锁定的例子。

 

ML大学的课程从一开始就提供了在ML和软件领域的广泛适用性。很可能80-90％的材料都会这样做，这太棒了！

 

但是，在学习这些课程时，你要了解其他供应商如何完成类似的产品和服务。要在不断发展的劳动力市场中成为一名真正有市场价值的ML实践者，必须保持灵活性，能够独立于算法、语言、框架和供应商来展示ML熟练程度。

资源

NLP、计算机视觉和表格数据课程的Github：

https://github.com/aws-samples/aws-machine-learning-university-accelerated-nlp

 

ML大学Youtube页面：

https://www.youtube.com/watch?v=qpGGR9e1_Fo&list=PL8P_Z6C4GcuWfAq8Pt6PBYlck4OprHXsw&index=2

 

ML大学公告文章：

https://www.amazon.science/latest-news/machine-learning-course-free-online-from-amazon-machine-learning-university?es_id=8aea00348c

 

相关报道：

https://towardsdatascience.com/amazon-wants-to-make-you-an-ml-practitioner-for-free-552c46cea9ba

实习/全职编辑记者招聘ing

加入我们，亲身体验一家专业科技媒体采写的每个细节，在最有前景的行业，和一群遍布全球最优秀的人一起成长。坐标北京·清华东门，在大数据文摘主页对话页回复“招聘”了解详情。简历请直接发送至zz@bigdatadigest.cn

志愿者介绍

后台回复“志愿者”加入我们

点「在看」的人都变好看了哦！