这让你在大部分时间中都能接触到机器学习，atv，有助于自我提升。决定你想要成为什么样的角色、建立和这个角色相关的个人项目列表，是一个很好的开端。

　　如果你还没准备好应聘机器学习相关职位，也可以在你现在的岗位上开辟新项目、寻找提供咨询的机会、参与黑客马拉松和数据相关的社区服务机会、这些都能帮你在机器学习领域立足。专业领域的工作通常需要比较强的编程能力。

　　在专业领域应用机器学习，有这些价值的机会：

将机器学习用于生产系统；

专注于机器学习研究，将技术发展的最高水平向前推进；

用机器学习进行探查、分析，来提升你的产品和商业决策。

　　教人学习能帮你巩固对基础概念的掌握。教别人有很多不同的方法，你可以根据自己的风格选一个：

写论文；

做演讲；

写博客文章和教程；

在Kaggle、Quora等网站上回答问题；

亲自指导；

在Kaggle Kernels和GitHub上分享代码；

讲课；

写书。

　　这次AMA，其实Hamner最想谈的是Kaggle的未来，他在资料里列出了自己愿意回答的话题：

　　Kaggle的未来

　　开放数据

　　Kaggle竞赛

　　机器学习和AI

　　数据科学工作流程

　　产品和工程

　　Kaggle为何加入Google

　　可惜Quora上的群众对Kaggle的未来似乎并不关心，反正竞赛照常举行，数据集照常提供，量子位也不知道这个未来该从何问起。

　　不过，吃瓜群众不关心Kaggle的未来也没关系。周五，Hamner还去纽约的机器学习大会MLConf上做了以《Kaggle的未来：我们从何处来，到何处去》的演讲。

　　在量子位（公众号：QbitAI）对话界面回复“Kaggle”，我们会把Hamner这次演讲的PPT发给你。

　　今天AI界还有哪些事值得关注？

　　在量子位（QbitAI）公众号会话界面回复“ 今天”，看我们全网搜罗的AI行业和研究动态。笔芯?~

　　另外，我们建了一个机器学习入门群，希望和大家互相帮助、共同进步。欢迎加量子位小助手的微信： qbitbot，介绍一下你自己，符合要求的，我们会拉你进群。

　　△扫码强行关注『量子位』

　　追踪人工智能领域最劲内容