# 獲得付費申請機器學習 > 原文： [https://machinelearningmastery.com/ladder-approach-to-becoming-a-machine-learning-consultant/](https://machinelearningmastery.com/ladder-approach-to-becoming-a-machine-learning-consultant/) ### _ 您可以用來成為 機器學習顧問的階梯方法 _ 你想做機器學習并獲得報酬嗎？ 小心你想要的。 在這篇文章中，我概述了一個藍圖，您可以使用它來學習足夠的機器學習，以幫助小型企業和初創企業滿足其一般數據需求。 這不容易，你必須在舒適區之外努力工作。你將不得不在現實世界中與真實的人交談！ [](https://3qeqpr26caki16dnhd19sv6by6v-wpengine.netdna-ssl.com/wp-content/uploads/2015/03/Ladder-Approach-to-Machine-Learning.jpg) 機器學習的階梯方法 照片由 [Jake Stimpson](https://www.flickr.com/photos/128539140@N03/15517408110) ，保留一些權利 ## 藍圖 本篇文章中的藍圖將帶您從機器學習的熱情和對學習的熱情，到能夠有信心地完成中小型企業的一般數據問題或啟動并提供解決方案。 此路徑的藍圖如下： 1. 建立基礎 2. 建立投資組合 3. 提供解決方案 根據您的背景和興趣，您可以根據您的需求定制路線圖。 需要說明的是，我們只對應用機器學習感興趣。我們只對理論和工具感興趣，因為它們可以讓您更好地理解您的問題，并在您正在工作的問題上取得更好的結果。 這是一種反直覺但非常富有成效的觀點。及時了解您的需求，并專注于提供成果。它是關于可靠地實現良好結果，而不是完美。 ## 1.建立一個基礎 您需要學習足夠的應用機器學習，以便有信心從頭到尾解決問題。準確定義它并提供作為項目結果所需的模型或報告。 1. **選擇并學習一個過程**。了解您可以遵循的分步流程，該流程將使您從問題定義到交付結果。一些實例包括 [KDD](http://machinelearningmastery.com/what-is-data-mining-and-kdd/ "What is Data Mining and KDD") ， [Crisp-DM，](http://en.wikipedia.org/wiki/Cross_Industry_Standard_Process_for_Data_Mining) [OSEMN](http://machinelearningmastery.com/how-to-work-through-a-problem-like-a-data-scientist/ "How To Work Through A Problem Like A Data Scientist") ，[和其他](http://machinelearningmastery.com/process-for-working-through-machine-learning-problems/ "Process for working through Machine Learning Problems")。 2. **選擇并學習一種工具**。了解可用于完成所選流程的工具。我推薦 [Weka](http://machinelearningmastery.com/how-to-run-your-first-classifier-in-weka/ "How to Run Your First Classifier in Weka") ， [scikit-learn](http://machinelearningmastery.com/a-gentle-introduction-to-scikit-learn-a-python-machine-learning-library/ "A Gentle Introduction to Scikit-Learn: A Python Machine Learning Library") ， [R](http://machinelearningmastery.com/what-is-r/ "What is R") 中的一個，具體取決于您的興趣和偏好。 3. **對小型數據集的實踐**。下載您可以練習的小數據集。花費大量時間在 [UCI ML 存儲庫](http://archive.ics.uci.edu/ml/)上。 當您有足夠的信心和能力挑選任意內存問題并使用工具從頭到尾工作時，您已準備好繼續前進。 ## 2.建立投資組合 一旦您具備解決問題??的基礎能力，您就需要其他人可以用來評估您的能力的客觀指標。您需要已完成的項目來證明您的交付能力。 您可以通過構建已完成的機器學習項目組合來實現此目的。 ### 介入心態 暫停一下，承擔數據問題的經理或小企業主的心態。 作為這樣的人，您正在招聘程序員，因為他們能夠在其他公司和開源項目中提供項目成果。您正在招聘營銷人員，因為他們有能力提升轉化率以攻擊底線。如果這樣的經理需要一個“數據人”來提交報告或模型，他們會看到什么來評估候選人可以提供結果？ 我在那個位置，我希望看到已完成項目的證據。更重要的是，我希望看到已完成項目的證據與我正在尋找的結果非常接近。 ### 你的投資組合 1. **選擇一個主題**。這是您要處理的項目類型。一個明智的做法是關于客戶數據的報告（高價值客戶，轉換前景的預測等）。 2. **查找開放數據集**。您需要找到可以在主題附近或主題上練習的數據集。以 [Kaggle](http://www.kaggle.com/) 和 [KDDCup](http://www.sigkdd.org/kddcup/index.php) 等競爭網站為出發點。現在有很多公共訪問數據集可以練習！ 3. **完成項目**。使用客戶端將每個數據集視為項目，并將流程應用于該數據集以提供結果。這可能要求您承擔客戶的角色，并對他們正在尋找的結果（模型或報告特定問題等）進行有根據的猜測。 4. **注冊**。將您的發現記錄為半正式的工作產品并在線公開主持。 最后一點是關鍵，我將詳細說明。 理想情況下，讓您的流程的每個部分都編寫腳本，以便您可以在發現錯誤或獲得洞察力時隨時重新執行它。考慮將所有代碼和腳本上傳到項目的公共 github 帳戶。 將每個項目的結果寫為技術報告或電源點。考慮錄制一段介紹您的發現的短片。在 github，您的博客或某個地方托管報告。在您的公開 LinkedIn 個人資料上寫下該項目。 您的目標是擁有一個可以指向某人的地方，他們可以一目了然地看到您完成的所有項目，然后深入了解一個項目，看看您做了什么以及交付了什么。 當您可以客觀地說服某人您能夠為您的主題提供結果時，您已準備好繼續前進。我認為 3-5 個適度規模的已完成項目是合理的。 在“[構建機器學習組合：完成小型項目并展示您的技能](http://machinelearningmastery.com/build-a-machine-learning-portfolio/ "Build a Machine Learning Portfolio: Complete Small Focused Projects and Demonstrate Your Skills")”中了解有關構建機器學習項目組合的更多信息。 ## 3.提供解決方案 現在您有能力提供并證明這一事實，現在是時候在野外尋找項目來完成。 你將不得不離開那里與人交談。這一步將是偉大的過濾器。這一步可能有點嚇人，有點困難，這將是你真正的考驗。 1. **找一個可以提供幫助的人**。使用您的社交網絡。參加聚會，獲得介紹等。尋找一個小公司或初創公司，您可以面對面（理想情況下）了解他們的問題并獲取他們的數據。 2. **說實話**。說實話。解釋你來自哪里，你做了什么以及你能為他們做些什么。考慮免費或廉價地完成第一項工作，以便讓您的第一個項目得以實現。你的道路是一個優勢，它表明你很餓，渴望交付和驅動。我們都希望以這種方式工作的人。 3. **發送**。做的工作。準確地指定項目，保持范圍小而清晰，并提供您所說的將提供的內容。同樣，不要承諾以前沒有做過的事情或者不知道該怎么做。 4. **重復**。 保持項目范圍小，時間短。理想情況下，1-2 周內送達。您需要動力，快速的結果和快速學習的客戶。 當您完成實際項目時，將它們添加到您的投資組合中（以一種尊重客戶隱私的靜音形式）。 ## 摘要 在這篇文章中，您發現了一個路線圖，您可以利用該路線圖將您對機器學習的濃厚興趣轉化為咨詢工具。 這種方法沒有太多的手握。這使它令人興奮并賦予權力。你可以按照自己的舒適程度執行這種方法，并承擔一些兼職工作或全新的職業生涯。 如果您已經沿著這條路走下去或認識某人，請發表評論并分享您的經歷。