​为什么流利的英语对于机器学习比数学或编程更重要

我需要你的帮助，因为我来自多元化的背景，意味着我改变了自己的领域，首先我在学士学位，但后来我转到了和机器学习，这对我来说是新的，但我最终完成了。

现在通过阅读您的帖子，您在数据行业拥有比我更多的知识，而且在这方面做得很好，我在努力完成这个领域的工作角色，我不知道为什么，也许公司正在寻找有经验的人，但他们不明白，学生刚刚毕业，他们需要入门以积累经验，但他们不能凭自己的力量积累经验。

你可能会说我对分享这条消息不够敏感，但我需要这么说。

如果我不能在第一次阅读时理解您的日常短信，那么您在机器学习领域找工作的机会就会渺茫。

你在英语中的表达能力有多好，是你在机器学习中成功的最重要的先决条件之一。这不是数学、统计学，甚至编程。它是流利、坚定、强大的英语掌握能力。

拥有流利的英语，你可以：

• 最高效地学习机器学习工作所需的大量信息

• 自信地与招聘人员甚至首席执行官建立网络联系

• 在面试中不会因言辞结巴而导致失败

• 在项目中赢得同事的尊重

• 在不尴尬自己的情况下谈判薪水并要求晋升

• 通过阅读和实施最新研究论文提升你的技能和职业

• 参加会议

• 等等。让我通过更详细地讨论每个观点来说服你。

不提出无关的问题 尽管在线课程和培训计划正在努力简化机器学习教育，但它仍然相当学术。

其他主题的培训资源通常具有5到9年级的可读性。

机器学习——不那么容易。任何关于机器学习的YouTube视频、文章或课程都需要至少高中水平的理解能力。

如果加入数学因素，机器学习就成为顶级职业了，这就是我们为什么得到高薪的原因。

但是大多数机器学习培训计划并没有代表这个严酷的现实。为了增加销售额并减少流失，它们不断降低了消费其内容的障碍。

这使许多人产生了这样的错觉，认为在机器学习中，他们所需要的只是Python和一些其他库来确保获得薪水。

但是当这些课程的学生试图解决实际项目时，就像他们置身于另一个世界。他们对他们之前的Udemy课程而言已经足够的英语理解力变得不足够了。

因此，他们开始在问答网站和人们的私信中提出可以通过谷歌搜索或迅速回答的问题（见介绍部分的例子）。

机器学习工作所需的信息就像是一个广阔而汹涌的海洋。要穿越它，你需要一件优秀的救生衣。这件救生衣就是你英语知识的程度。

亚马逊的职位 在初学者开始找工作之前，他们首先开始构建备受推荐的卓越作品集。

但是他们采取了错误的方法，填满了他们的GitHub个人资料，上面都是复杂的深度学习模型。他们认为“越复杂越好”。

但问题不在于代码（不是100%）

如今，任何人都可以使用合理的提示工程技术编写高质量的生产级代码。在LLM时代，编写代码在能够获得面试机会的作品集中已经减轻了权重。

问题通常是一个人如何能够为现有的机器学习问题发明简单、原创的解决方案。更重要的是，他们能够多么好地展示自己独特的解决方案。

如果你不能在GitHub的README中的每个项目步骤中解释你的思考过程，那你最好还是将整个项目粘贴复制。

但是，写README并不是一件容易的事。如果不是的话，GitHub上的每个人都会有数百颗星的存储库。

杰夫·贝索斯说：“没有办法写一份六页的结构化备忘录而不产生清晰的思维”。对于我们这个领域的大多数初学者来说，亚马逊的机器学习职位是一个梦想，看看他们在工作场所要求员

工做些什么。不管他们是产品设计师还是机器学习工程师，他们都必须写结构化备忘录，而不管他们是否是产品设计师还是机器学习工程师。

简而言之，这不是关于你能写多好的代码（不是100%）。它关于你如何能够提取你脑海中的想法并将它们提炼给他人。无论是口头还是书面表达。

不要机械化 在竞争激烈的机器学习市场中，成功进入面试已经是初学者的一大步。面试是为了证明你适合申请的职位而进行的不间断交流。

这是你最不应该考虑英语的地方。在与面试官握手之前，你的口语英语应该已经非常好了。

在实际面试中，你有很多事情要担心：

• 压力

• 微笑

• 握手

• 不要绊倒

• 保持眼神接触而不要盯着看

• 记住面试官的名字等等。如果你停下来思考如何传达你脑海中的想法，而不是自动交流它们，你将不断地使用“嗯”、“呃”、没有抑扬顿挫的言语（机械化言语）、犯错误、说错话并让面试官进入半昏迷状态。

你每一句流利的话都有助于击败其他数百名等待着你失败的竞争对手。

团队合作者 有一次，我的眼科医生表兄邀请我充当他和另一位外科医生之间的翻译。一位欧洲医生前来乌兹别克斯坦教授硕士班，我祖国。

在见到客人后，我意识到他的英语非常糟糕。所以，几天后，我开始像对待一个孩子一样对待他。当时，我不知道我这么做是因为我是一个典型的傲慢的十几岁少年。

多年后，我头脑的自大程度大大减小，我开始想知道为什么我认为自己比他强。毕竟，他是一位拥有医学博士学位、在欧洲经营自己的医院的专家。

这时我意识到语言和适当的沟通在建立相互尊重和与他人建立关系方面的重要性。

年轻的我不能尊重医生，因为我不得不使用粗糙的手势来表达自己，并反复说“对不起，你能重复一遍吗？”。

想象一下在同事中成为那位医生。如果你不能与他们交流，你就不会赢得他们的尊重。你的技能和证书几乎无关紧要。

机器学习项目很少是单独完成的。在大多数公司中，你被迫与团队合作。语言流利使你能够更轻松地与同事交换观点，减少误解，更好地解决问题，并提高团队的整体效率。

流利的英语还能弥合技术和非技术之间的鸿沟。机器学习工程师经常必须将复杂的技术概念翻译给非技术利益相关者。

用简单、不带行话的语言解释整个项目，可以在利益相关者中促进更明智的决策——这对你来说是一个巨大的优势。

附注：利益相关者是受机器学习项目成功或失败影响的人。

百万美元的薪水 我们领域的大多数创新都是用英语或者说实话是在美国发生的。这是因为所有的大型科技公司都舒适地坐落在硅谷。为了跟上那里涌现出的最新进展，你的英语必须尽可能好。

以使ChatGPT成为可能的那篇论文（Attention is All You Need）为例。如果你将前50个单词粘贴到Wordcounter中，它将显示阅读水平为“大学毕业生”。这相当于C1或C2级别的熟练程度。

OpenAI非常成功地利用了这篇论文（还有其他几篇），以便能够比科技巨头Google的Bard更早地推出ChatGPT。如果OpenAI的员工没有能力阅读和实施像那样复杂的论文，他们能够取得如此令人印象深刻的成就吗？当然不行！

根据纽约时报的报道，他们的顶级研究人员的年薪超过一百万美元。是的，他们并不是因为英语而赚取顶级领域的薪水。

但是，我们可以猜测他们的英语使得他们有可能在第一时间开发其他高水平技能。

职业加速器 精通英语是一种巨大的职业加速器。你会看到只有几年经验的人不断收到伟大公司的

疯狂报价。

是的，他们是勤奋工作者，但他们也知道在合适的时间、合适的地点和合适的人面前说合适的话。以Khuyen Tran为例——Medium上的一位同行作者。

她在写一篇展示他们的产品的文章后，得到了Prefect的全职职位。当她因大流行而被解雇时，她在一篇文章中宣布她正在寻找新的角色。

许多招聘人员在她的帖子上发表评论以发送简历（而不是反过来），因为他们已经知道她的写作和每日LinkedIn帖子。在大流行仍在继续的情况下，她在两周内重新被雇佣。

这一切都是因为她用简单的语言向群众解释机器学习话题的能力。

这就是强大的英语掌握能给你带来的：与招聘人员建立网络联系的信心，建立你的声誉并获得你曾梦寐以求的工作。

结论

毫无疑问，数学、统计学和编程对于任何机器学习工程师来说都是基本技能。但是本文认为，还有一项更基本的技能可以加速其他技能的学习，那就是英语流利。

我们已经讨论了高水平的英语熟练度如何提升你职业的每一步，从最高效地武装自己以获得正确的知识，到在提高语言技能后开启的可能性。

谢谢阅读！