全栈机器学习工程师Max 总结的一份成为机器学习工程师的步骤。
1. 学习计算机科学基础和使用 Python 编程： 通过 CS50 课程（哈佛的计算机科学入门课）和专门的 Python 资源学习。
2. 学习经典（浅层）机器学习： 建立基础并培养对数据工作的直觉。
2.1) 构建数学基础： 包括微积分、线性代数和概率论（数值分析和优化是加分项）。
3. 学习深度学习： 可以学习特定的课程，例如 Yann LeCun 的纽约大学讲座、fast.ai 或 deeplearning.ai 的深度学习专项课程。
4. 学习 MLOps： 可以通过 fullstackdeeplearning 课程学习。
4.1) 如有必要，可以先学习 fullstackopen： 通过学习 Web 开发以及分布式系统、DevOps 和关系数据库的基础知识来学习软件工程。
5. 寻找你想要工作的细分领域并通过构建你的作品集来发展专业知识： 你可以从 Hugging Face 的课程中找到一个起点，追随你兴趣的“兔子洞”，并通过实现论文来构建一些有趣的项目。
全文在作者的blog里，讲述的更详细：www.maxmynter.com/pages/blog/become-mle
