机器学习英雄访谈录之 DL 实践家:Dominic Monn

Sanyam Bhutani 是 Medium 上一位专注 ML 和 CV 的博主,本系列翻译自他进行的系列采访——《机器学习英雄访谈录》。

学习从模仿开始,要模仿就要模仿那些最棒的人,这是我开始本系列的初衷。


正文

今天采访的是 Dominic Monn,一位伟大的领袖、缔造者、社区领导者、自驾车工程师和远程工作的 DL 工程师。1


Sanyam: 嗨,Dominic!感谢你接受这次采访,我很高兴能够采访你。

Dominic: 嗨,Sanyam,很高兴和你谈话!

Sanyam: 你是我在 2018 年见过最好的(AI)实践家之一,你能向读者介绍下你自己吗?

Dominic: 哦,很荣幸:) 我的名字叫 Dominic,我今年 20 岁,是 Loom.ai2 的深度学习工程师。该公司坐落在旧金山,我在瑞士远程工作。除此之外,Loom.ai 是三星 AR Emoji 背后的公司。

在此之前,我在苏黎世做 NVIDIA 的深度学习实习生。在 Udacity 拿下自驾车工程师的 Nanodegree 之后,我到了那里。

Sanyam: 了不起。工作之外,你还在许多平台上工作,你能分享一下这些吗?

Dominic: 我喜欢用我的周末和空闲时间来建立业余项目。占据我大部分时间的两个项目是 MentorCruise,这是一个将学生与技术经验丰富的导师联系起来的市场;以及 RemoteML,一个全球性的社区和招聘栏,全部关于机器学习方面的远程工作。

我一直在寻找下一个要解决的问题和下一个要开发的产品,这很赞。

Sanyam: 你现在是一位经验丰富的实践家,但是第一件让你对 AI 感兴趣的事是什么?

Dominic: 我从软件工程开始,经历了 4 年的学徒生涯,当时在一家软件和网络代理商工作。在做了 2 到 3 年的 web app 和网站之后,我感到厌倦并开始寻找新的方向,我开始尝试使用“虚幻”引擎和游戏开发,然后对 UX 有一点兴趣并最终进入 AI / ML。

Sanyam: 有没有一个时间点,你决定要把它(AI)作为你的职业?

Dominic: 我对机器学习的兴趣始于另一个业余项目。我在 Kaggle 从基础起步,并最终拿到了 Udacity 的 Nanodegree。我总是喜欢尝试,并顺应我的专业(从事研发)路径。当我有机会去 NVIDIA 时(尽管软件工程师提供了更多赚大钱的 offer),我抓住了机会。

Sanyam: 你提到过一些你正在为之工作的优秀平台,我个人知道你可以非常快速地交付代码。你如何设法完成多项任务?你的秘诀是什么?

Dominic: 当我醒来时,我总是知道我今天会做些什么。我使用 Todoist 在前一天晚上计划一整天的事项。我全职工作,这占用了我的大部分时间,所以在两餐、散步、锻炼和睡觉之间,我需要知道我今天能做些什么。关键是要快速行动,不要害怕交付。

我的每个项目都有一个很大的 to-do list。有些更重要,通常可以快速完成,其他一些已经躺在 list 几个月了。这一切都与管理预期、切分工作和快速交付有关。

Sanyam: 我们聊聊你即将到来的冒险。我们可以从 Logits.co 中得到什么?

Dominic: RemoteML 最初是一个小型的求职栏。如今,我们在全球拥有超过 750 名会员,其中大部分都热切希望在机器学习领域做些工作。公司和初创公司可以使用 Logits.co 进入该社区,为他们的项目聘请自由职业者。我很高兴看到它正在如何发挥作用。

Sanyam: 在我们结束之前,你会给那些刚接触 ML 领域的人提供什么最好的建议?

Dominic: 不要害怕尽早出名以及做基础的工作,无论是商业还是机器学习。快速交付并获得实习,下决心,剩下的就是水到渠成。

Sanyam: 在哪里能与你取得联系或关注你的工作?

Dominic: 我在 Twitter(@dqmonn)上非常活跃,我的 DM 已经开了。RemoteML Machine Learning Chat 上我也几乎总是在线,所以一定要在那里找我。

Sanyam: 非常感谢你在这次采访中的谈话。


对我的启发

  • Udacity 的 Nanodegree 含金量挺高。
  • 机器学习方面的远程工作是个潜在趋势,这方面的自由职业者也会逐渐增加,是个创业方向,可以考虑建立这样的平台,类似传统招聘网站。
  • 一个好用的 to-do list 软件:Todoist。
  • 有必要掌握敏捷开发的技能。

  1. 应该是在调侃龙妈的一连串称号。

  2. Loom.ai 是位于美国旧金山的一家计算机视觉公司。

机器学习英雄访谈录之 DL 实践家:Dominic Monn的更多相关文章

  1. 机器学习英雄访谈录之 DL 自由职业者:Tuatini Godard

    目录 机器学习英雄访谈录之 DL 自由职业者:Tuatini Godard 正文 对我的启发 机器学习英雄访谈录之 DL 自由职业者:Tuatini Godard Sanyam Bhutani 是 M ...

  2. 机器学习英雄访谈录之双料 Kaggle 大师:Dr. Jean-Francois Puget

    目录 机器学习英雄访谈录之双料 Kaggle 大师:Dr. Jean-Francois Puget 正文 对我的启发 机器学习英雄访谈录之双料 Kaggle 大师:Dr. Jean-Francois ...

  3. 机器学习英雄访谈录之 Kaggle Kernels 专家:Aakash Nain

    目录 机器学习英雄访谈录之 Kaggle Kernels 专家:Aakash Nain 正文 对我的启发 机器学习英雄访谈录之 Kaggle Kernels 专家:Aakash Nain Sanyam ...

  4. zz 机器学习系统或者SysML&DL笔记

    机器学习系统或者SysML&DL笔记(一)  Oldpan  2019年5月12日  0条评论  971次阅读  1人点赞 在使用过TVM.TensorRT等优秀的机器学习编译优化系统以及Py ...

  5. 机器学习 - ML + 深度学习 - DL

    机器学习 CNCC - 2016 | 机器学习(原文链接) Machine Learning - ML,机器学习起源于人工智能,是AI的一个分支. 机器学习的理论基础:计算学习理论 - Computa ...

  6. 认识:人工智能AI 机器学习 ML 深度学习DL

    人工智能 人工智能(Artificial Intelligence),英文缩写为AI.它是研究.开发用于模拟.延伸和扩展人的智能的理论.方法.技术及应用系统的一门新的技术科学. 人工智能是对人的意识. ...

  7. 机器学习系统或者SysML&DL笔记(一)

    前言 在使用过TVM.TensorRT等优秀的机器学习编译优化系统以及Pytorch.Keras等深度学习框架后,总觉得有必要从理论上对这些系统进行一些分析,虽然说在实践中学习是最快最直接的(指哪儿打 ...

  8. 算法工程师:双非渣硕是如何获得百度、京东双SP

    本人本科硕士皆双非,和牛客大佬们没得比,目前拿到的还可以的offer就是百度SP和京东SP,都是做的推荐算法,其他的不说了. 先说一下个人经历吧,学校比较水,实验室没有项目,实习经历:腾讯实习+滴滴实 ...

  9. MachineLN博客目录

    MachineLN博客目录 https://blog.csdn.net/u014365862/article/details/78422372 本文为博主原创文章,未经博主允许不得转载.有问题可以加微 ...

随机推荐

  1. Win7 user profile cant logon

    1.local user:testlb1 1234@cat can login safe model 1.重新启动计算机开机时连续点击F8,选择进入安全模式.2.开始-在搜索栏中输入services. ...

  2. 笔记本键盘开关方法 仅限window系统

    按win键,搜索CMD(命令提示符).右键-以管理员身份运行.关闭笔记本键盘输入:sc config i8042prt start= disabled回车-重启电脑即可.需要重新启用键盘的话,输入:s ...

  3. jfreechart createBarChart 去掉立体感

    就是图中每个柱上的白条 提问者采纳   加上这句:barRenderer.setBarPainter(new StandardBarPainter())

  4. 【转】jQuery属性过滤选择器

    属性过滤选择器的过滤规则是通过元素的属性来获取相应的元素. [attribute]    选取用次属性的元素 [attribute=value]   选取属性值为value的元素 [attribute ...

  5. 【正则表达式】用js实现千位分隔符,怎么实现?

    (?=pattern)  正向预查,在任何匹配 pattern 的字符串开始处匹配查找字符串.这是一个非获取匹配,也就是说,该匹配不需要获取供以后使用.例如,'Windows (?=95|98|NT| ...

  6. OpenCV——霍夫变换(直线检测、圆检测)

    x #include <opencv2/opencv.hpp> #include <iostream> #include <math.h> using namesp ...

  7. 客户端本地存储的比较及使用window.name数据传输

    一:cookie: 1. 什么是cookie? Cookie是在客户端用于存储会话信息的,用户请求页面在web服务器与浏览器之间传递.每当同一台计算机通过浏览器请求某个页面时,就会发送这个 cooki ...

  8. PAT B1045 快速排序 (25 分)

    著名的快速排序算法里有一个经典的划分过程:我们通常采用某种方法取一个元素作为主元,通过交换,把比主元小的元素放到它的左边,比主元大的元素放到它的右边. 给定划分后的 N 个互不相同的正整数的排列,请问 ...

  9. Python2.7-Queue

    Queue 模块,python3中为queue,一般和threading模块同时使用,用于处理多任务队列,模块定义了3种队列类,先进先出(FIFO),后进先出(LIFO),优先级队列 Queue.Qu ...

  10. anaconda使用以及创建python3.7+pytorch1.0虚拟环境以及Jupyter notebook初级使用

    查看所有已安装的软件包$ conda list# packages in environment at S:\Users\jiangshan\Anaconda3:## Name Version Bui ...