# 获得付费申请机器学习 > 原文： [https://machinelearningmastery.com/ladder-approach-to-becoming-a-machine-learning-consultant/](https://machinelearningmastery.com/ladder-approach-to-becoming-a-machine-learning-consultant/) ### _ 您可以用来成为 机器学习顾问的阶梯方法 _ 你想做机器学习并获得报酬吗？ 小心你想要的。 在这篇文章中，我概述了一个蓝图，您可以使用它来学习足够的机器学习，以帮助小型企业和初创企业满足其一般数据需求。 这不容易，你必须在舒适区之外努力工作。你将不得不在现实世界中与真实的人交谈！ [](https://3qeqpr26caki16dnhd19sv6by6v-wpengine.netdna-ssl.com/wp-content/uploads/2015/03/Ladder-Approach-to-Machine-Learning.jpg) 机器学习的阶梯方法 照片由 [Jake Stimpson](https://www.flickr.com/photos/128539140@N03/15517408110) ，保留一些权利 ## 蓝图 本篇文章中的蓝图将带您从机器学习的热情和对学习的热情，到能够有信心地完成中小型企业的一般数据问题或启动并提供解决方案。 此路径的蓝图如下： 1. 建立基础 2. 建立投资组合 3. 提供解决方案 根据您的背景和兴趣，您可以根据您的需求定制路线图。 需要说明的是，我们只对应用机器学习感兴趣。我们只对理论和工具感兴趣，因为它们可以让您更好地理解您的问题，并在您正在工作的问题上取得更好的结果。 这是一种反直觉但非常富有成效的观点。及时了解您的需求，并专注于提供成果。它是关于可靠地实现良好结果，而不是完美。 ## 1.建立一个基础 您需要学习足够的应用机器学习，以便有信心从头到尾解决问题。准确定义它并提供作为项目结果所需的模型或报告。 1. **选择并学习一个过程**。了解您可以遵循的分步流程，该流程将使您从问题定义到交付结果。一些实例包括 [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. **选择并学习一种工具**。了解可用于完成所选流程的工具。我推荐 [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") 中的一个，具体取决于您的兴趣和偏好。 3. **对小型数据集的实践**。下载您可以练习的小数据集。花费大量时间在 [UCI ML 存储库](http://archive.ics.uci.edu/ml/)上。 当您有足够的信心和能力挑选任意内存问题并使用工具从头到尾工作时，您已准备好继续前进。 ## 2.建立投资组合 一旦您具备解决问题​​的基础能力，您就需要其他人可以用来评估您的能力的客观指标。您需要已完成的项目来证明您的交付能力。 您可以通过构建已完成的机器学习项目组合来实现此目的。 ### 介入心态 暂停一下，承担数据问题的经理或小企业主的心态。 作为这样的人，您正在招聘程序员，因为他们能够在其他公司和开源项目中提供项目成果。您正在招聘营销人员，因为他们有能力提升转化率以攻击底线。如果这样的经理需要一个“数据人”来提交报告或模型，他们会看到什么来评估候选人可以提供结果？ 我在那个位置，我希望看到已完成项目的证据。更重要的是，我希望看到已完成项目的证据与我正在寻找的结果非常接近。 ### 你的投资组合 1. **选择一个主题**。这是您要处理的项目类型。一个明智的做法是关于客户数据的报告（高价值客户，转换前景的预测等）。 2. **查找开放数据集**。您需要找到可以在主题附近或主题上练习的数据集。以 [Kaggle](http://www.kaggle.com/) 和 [KDDCup](http://www.sigkdd.org/kddcup/index.php) 等竞争网站为出发点。现在有很多公共访问数据集可以练习！ 3. **完成项目**。使用客户端将每个数据集视为项目，并将流程应用于该数据集以提供结果。这可能要求您承担客户的角色，并对他们正在寻找的结果（模型或报告特定问题等）进行有根据的猜测。 4. **注册**。将您的发现记录为半正式的工作产品并在线公开主持。 最后一点是关键，我将详细说明。 理想情况下，让您的流程的每个部分都编写脚本，以便您可以在发现错误或获得洞察力时随时重新执行它。考虑将所有代码和脚本上传到项目的公共 github 帐户。 将每个项目的结果写为技术报告或电源点。考虑录制一段介绍您的发现的短片。在 github，您的博客或某个地方托管报告。在您的公开 LinkedIn 个人资料上写下该项目。 您的目标是拥有一个可以指向某人的地方，他们可以一目了然地看到您完成的所有项目，然后深入了解一个项目，看看您做了什么以及交付了什么。 当您可以客观地说服某人您能够为您的主题提供结果时，您已准备好继续前进。我认为 3-5 个适度规模的已完成项目是合理的。 在“[构建机器学习组合：完成小型项目并展示您的技能](http://machinelearningmastery.com/build-a-machine-learning-portfolio/ "Build a Machine Learning Portfolio: Complete Small Focused Projects and Demonstrate Your Skills")”中了解有关构建机器学习项目组合的更多信息。 ## 3.提供解决方案 现在您有能力提供并证明这一事实，现在是时候在野外寻找项目来完成。 你将不得不离开那里与人交谈。这一步将是伟大的过滤器。这一步可能有点吓人，有点困难，这将是你真正的考验。 1. **找一个可以提供帮助的人**。使用您的社交网络。参加聚会，获得介绍等。寻找一个小公司或初创公司，您可以面对面（理想情况下）了解他们的问题并获取他们的数据。 2. **说实话**。说实话。解释你来自哪里，你做了什么以及你能为他们做些什么。考虑免费或廉价地完成第一项工作，以便让您的第一个项目得以实现。你的道路是一个优势，它表明你很饿，渴望交付和驱动。我们都希望以这种方式工作的人。 3. **发送**。做的工作。准确地指定项目，保持范围小而清晰，并提供您所说的将提供的内容。同样，不要承诺以前没有做过的事情或者不知道该怎么做。 4. **重复**。 保持项目范围小，时间短。理想情况下，1-2 周内送达。您需要动力，快速的结果和快速学习的客户。 当您完成实际项目时，将它们添加到您的投资组合中（以一种尊重客户隐私的静音形式）。 ## 摘要 在这篇文章中，您发现了一个路线图，您可以利用该路线图将您对机器学习的浓厚兴趣转化为咨询工具。 这种方法没有太多的手握。这使它令人兴奋并赋予权力。你可以按照自己的舒适程度执行这种方法，并承担一些兼职工作或全新的职业生涯。 如果您已经沿着这条路走下去或认识某人，请发表评论并分享您的经历。