第1部分第1部分（共4部分）：学习技能

1. 1学会使用Python或类似语言编写代码。要成为一名机器学习工程师，你需要知道如何阅读、创建和编辑计算机代码。Python目前是机器学习应用程序中最流行的语言，但大量工程师使用R、C、C++、Java和JavaScript等脚本格式。尝试学习多种语言，让自己成为一个更有吸引力的求职者。

2. 2.学习在线数据探索课程。在学习特定于机器学习的技能之前，有坚实的数据分析基础是很重要的。这包括统计学和特征工程等学科，前者将帮助你理解数据集，后者将帮助你制定基于数据的算法。一些与这些主题相关的高质量在线课程包括：Udacity的描述性统计简介，该课程将教你如何交流有关数据集的信息。Udacity的推断统计介绍，将教你如何理解和分析数据集。从约翰·霍普金斯大学获取和清理数据，这将教你如何获取和优化数据集。从Udemy学习机器的特征工程，它将教你如何处理和操作数据变量。

3. 3完成与机器学习相关的在线课程。一旦你知道如何编码和理解数据探索背后的基本原理，就开始深入机器学习的世界。这包括创建算法、实现神经网络和设计机器学习系统等主题。作为一个起点，我们可以研究一些在线课程，比如：斯坦福大学的机器学习，这是一门入门课程，重点是分解与该领域相关的复杂概念。从加州理工学院的数据中学习，这是一门专注于数学理论和算法应用的入门课。来自约翰·霍普金斯大学的实用机器学习，一门专注于数据预测的课程。Coursera的深度学习专业课程，专注于创建神经网络。

4. 4获得相关证书或学位以帮助你找到工作。在工程领域，许多人没有受过正规教育就获得了高质量的工作。然而，认证将使你成为更有价值的求职者，在某些情况下，认证将是满足公司工作要求的唯一途径。为了增加你获得机器学习职位的机会，你可以向这样的方向努力：计算机科学、工程和机器学习的在线纳米学位。华盛顿大学的机器学习证书。斯坦福大学的人工智能研究生证书。哥伦比亚大学数据科学专业成就认证。哈佛大学颁发的CSCI E-81机器学习和数据挖掘认证。计算机科学或工程专业的传统本科或研究生学位。

第2部分第2部分（共4部分）：获取经验

1. 1从事个人机器学习项目。当你刚开始的时候，试着检查并重新创建由Scikit learn、很棒的机器学习、PredictionIO和类似资源提供的基本项目。一旦你真正掌握了机器学习在实践中的工作原理，试着提出你自己的项目，你可以在网上分享或在简历上列出。因此，您不必花费时间收集数据，可以尝试使用UCI机器学习库和Quandl等地方的公开数据集。如果你不能想出一个项目的想法，在GitHub这样的网站上寻找灵感。

2. 2.参加Kaggle知识竞赛。Kaggle是一个拥有各种机器学习挑战的数据集数据库。其中一些是提供金钱奖励的官方比赛，还有一些是提供体验的免费比赛。首先，试着完成初学者竞赛《泰坦尼克号：从灾难中学习机器》。

3. 3申请机器学习实习。虽然个人项目和竞赛很有趣，而且在简历上看起来很棒，但它们可能不会教你许多公司所需的特定于业务的机器学习技能。所以你可以获得这种经验，寻找与以产品为中心的机器学习相关的实习或入门级工作。在像实习生这样的网站上寻找相关的实习机会。通用域名格式。

第3部分第3部分，共4部分：获得机器学习工作

1. 1在线寻找机器学习工作。你可以在ZipRecruiter、Glassdoor等分类网站上找到当前的职位空缺。虽然许多公司使用机器学习工程师这个职位，但也有一些公司可能使用其他职位，如：数据科学工程师大数据工程师深度学习工程师。

2. 2.写一份简历，突出你的机器学习技能。在为机器学习职位制作简历时，要关注与该领域相关的事情，比如你的专业经验和教育认证。对于之前的任何工作，一定要列出你完成的与机器学习相关的具体事情。如果你完成了任何与工作相关的个人项目，可以在简历中用简短的句子描述它们。如果可能的话，包括一个项目的链接，这样公司就可以看到它。

3. 3为你申请的每个职位写一封个性化的求职信。在每封求职信上，列出你的工作资格、学历和相关经验。要个性化你的信件，在每封信中加入一句或两句独特的话，说明你将为你申请的公司带来什么。你的求职信长度不能超过3段。

4. 4.提交工作申请。要申请工程职位，请填写相关机构提供的正式工作申请表。然后，使用他们要求的任何方法提交申请。别忘了附上你的简历、求职信和任何其他要求的文件！由于机器学习职位是以技术为基础的，所以你应该以电子方式填写大部分申请表。在提交申请之前，请仔细检查是否有拼写或语法错误。

第4部分第4部分，共4部分：担任机器学习工程师

1. 1创建并运行机器学习实验。作为一名机器学习工程师，你的任务是使用雇主的内部数据解决特定问题。要做到这一点，你需要提出并测试各种实验算法，以产生与手头任务相关的结果。

2. 2建立并实施机器学习系统。一旦你想出一个好的算法，你就必须创建一个可以自动运行的机器学习系统。根据手头的任务，您的算法可能会自行运行，也可能会与组织现有的数字系统交互。

3. 3确保数据管道顺利运行。除了机器学习更具创造性的方面外，你还必须管理使工程操作成为可能的基础设施。你的工作是确保数据从一个点传输到另一个点，而不会遇到任何麻烦。

4. 4.参与教育项目以获得晋升。一旦你在一家公司站稳脚跟，根据你目前的教育水平，你可能会达到一个工资上限。为了获得额外的加薪和晋升，你可能需要获得机器学习证书、获得学位或参加专业课程。一些公司会为你的额外教育提供资金，而另一些公司则会要求你自费。