¿Cómo es trabajar en Google DeepMind?

Antecedentes:
Trabajo en un área llamada “Machine Intelligence” en Google. DeepMind también cae más o menos en el área. * No * trabajo en Google DeepMind.

Demis dio una visión general muy general de su trabajo ya publicado.

Mediante “algoritmos de aprendizaje de propósito general”, él esencialmente es una forma de aprendizaje de refuerzo, en el que al agente no se le dice explícitamente qué es, solo recibe retroalimentación sobre sus acciones y tiene que calcular todo lo demás por sí mismo, es decir, el algoritmo mismo no está orientado a resolver un problema exacto, mientras que él mismo determinará cuál es el problema apropiado a resolver y la estrategia para resolverlo.

Es posible que desee echar un vistazo a su artículo sobre arXiv – [1312.5602] Playing Atari with Deep Reinforcement Learning, que básicamente ofrece una visión general de lo que quiere decir.

Editar:
Puedes escuchar a Larry Page en TED decir lo mismo, con el video del juego y por qué es importante:

No parece poco alentador (porque los efectos secundarios de su objetivo probablemente valen la pena), pero Google se mueve tan rápido que si aún no está en la escuela, es probable que se vaya: no tiene ninguna garantía de que Deepmind lo haga. ser un proyecto interesante para ellos en 2 o 3 años.

El mundo de la tecnología no es como gran parte del mundo fuera de él: o estás allí cuando llega la oportunidad o estás en otra cosa.

Si estudias con el objetivo de entrar en el proyecto Deepmind, aprenderás todo tipo de habilidades potencialmente útiles, pero cuando llegue el momento, depende de ti encontrar tu propia oportunidad única de poner las habilidades a trabajar: la gente disparando para trabajos ya ha habido en el juego 5-10 años, y este juego en particular se mueve más rápido que la mayoría en el mundo.

Dicho esto, estas son vistas macro y está buscando una microrespuesta (cursos, habilidades) que alguien en el campo puede proporcionar mejor que yo.

Sugeriría licenciatura en CS, matemáticas, estadísticas, física o ECE.

Obtenga un Master / PhD con un enfoque en el aprendizaje de refuerzo o aprendizaje profundo.

Conozca a los profesores para las diversas áreas de ML, ya que Deepmind contrata para diversas aplicaciones ahora además del aprendizaje de refuerzo, como visión por computadora, PNL, etc.

No mencionaré las escuelas objetivo estándar de EE. UU. Y el Reino Unido. (CMU, Stanford, Oxford, UCL, etc.).

Algunas escuelas canadienses tienen o suelen tener buenos departamentos de investigación y profesores. Por ejemplo, U de Montreal (Yoshua Bengio / aprendizaje profundo) y U de Alberta (Rich Sutton, Csaba, Michael Bowling, etc. / aprendizaje de refuerzo). Algunos de los profesores ya no están, como Geoff Hinton en U of T.

Debería estar aprendiendo activamente y codificando proyectos a lo largo de sus años escolares. Un área para enfocarse sería combinar el aprendizaje por refuerzo y el aprendizaje profundo, ya que esta es la tendencia actual en el área de investigación de deepmind. Y esté atento a la dirección general del campo, e intente reproducir o comprender la mayor cantidad de trabajos de investigación que pueda.

Creo que Deepmind también contrata para pasantías, por lo que cuando esté haciendo su maestría / doctorado, debe presentar una solicitud. Por supuesto, las pasantías en las otras grandes compañías tecnológicas también serían una buena experiencia (Facebook AI, Baidu, Microsoft, etc.)