Desde cero? Muy raramente
A menos que usted mismo presente un algoritmo completamente nuevo, generalmente ya hay buenas implementaciones de bibliotecas.
Sin embargo, creo que implementar algoritmos de aprendizaje automático desde cero es un ejercicio muy útil. Si lo hace, obtendrá una mejor comprensión de cómo funcionan realmente los algoritmos. Leer sobre ellos es una cosa, pero codificar cada pequeño detalle es algo completamente diferente.
- En Machine Learning: ¿por qué siempre entrenamos una muestra en lugar de todo el conjunto de datos / base de datos?
- Procesamiento del lenguaje natural: ¿Cuáles son algunos métodos efectivos para detectar / calificar cadenas que pueden contener palabras profanas / ofensivas?
- ¿Qué es un buen libro que discute los principios de la ingeniería de características, en el contexto del aprendizaje automático?
- ¿Cuáles son algunas de las herramientas de procesamiento de lenguaje natural más comunes utilizadas por las grandes corporaciones minoristas?
- ¿Cuál es la diferencia entre clasificación y reconocimiento de patrones?
Te diré una cosa. Cuando he estado entrevistando para trabajos de aprendizaje automático y me han hecho preguntas sobre algoritmos que he implementado desde cero, mis respuestas siempre fueron acertadas. Cuando me preguntaban acerca de los algoritmos que solo había usado a través de bibliotecas, a menudo dudaba y tropezaba con algunos de los detalles.
Implementar algoritmos desde cero no es estrictamente necesario para trabajar en el aprendizaje automático, pero es la forma más difícil de aprender y te hará destacar entre todos los pretendientes.