“Carrer sabio” la pregunta principal es probablemente la vía de gestión o no. Para entrar en el camino de la administración, encuentre un proyecto para administrar, luego uno más grande, luego administre personas, luego más personas y proyectos más grandes.
Pero enumera áreas técnicas, así que leí la pregunta como: ¿cuál es mi mejor “cohete”?
Viniendo de Java, puede encontrar “big data”, gestión de datos, preparación y recuperación más cerca de casa. Incluso en aplicaciones de “IA” o “Aprendizaje automático“, la preparación de datos sigue siendo un gran componente y la mayor parte del trabajo de los “científicos de datos” es realmente la preparación y recuperación.
- ¿Son los robots el futuro del cuidado de los ancianos?
- ¿Qué opinas del asistente de IA Jarvis desarrollado por Mark Zuckerberg?
- ¿Quora alguna vez se llenará de usuarios de IA?
- Cómo chatear con Eugene Goostman, el bot que pasó la prueba de Turing
- ¿Cómo funciona una red neuronal generativa? ¿Cómo pueden crear imágenes?
Por el contrario, el aprendizaje automático puro es el pensamiento estadístico . El área es amplia y diversa, y MUY diferente del desarrollo de aplicaciones (Deep Learning es parte de Machine Learning, se aplican los mismos comentarios, con un factor de 10x). El problema no es la arquitectura y la depuración del código, el problema es comprender una pregunta y transformar los datos en estadísticas computables para encontrar algunas respuestas. Cada modelo vendrá con su propio intercambio. Es interdisciplinario en el fondo y siempre es un deporte de equipo.
Una base en estadística, álgebra y cálculo es fundamental. Para un desarrollador de software, es un reciclaje. Antes de profundizar, sugiero leer “Introducción al aprendizaje estadístico” (Hastie y Tibshirani), es una joya de libro. Si te gusta, pasa al siguiente nivel.
(ISL está disponible como PDF gratuito en el sitio web de Stanford, que también incluye un archivo del curso. Muy recomendable. Aprendizaje estadístico)