Probablemente podría aprender suficiente jerga para “hablar lo que se dice” y seguir las técnicas estándar, pero nunca detectaría oportunidades difíciles o problemas complejos.
Cualquier proyecto que se le dé es mucho más probable que tenga resultados decepcionantes. Simplemente no tendrá la profundidad de experiencia necesaria para detectar el enfoque correcto. Nadie lo sabrá: nadie está sentado sobre tu hombro y ve ‘oh, debería haber hecho esta transformación’. Es solo que la calidad final de los resultados se reduce a qué tan bien el analista entendió el problema y, sin profundidad, obtendrá el rendimiento de referencia.
Esto podría ser lo suficientemente bueno para ti. Si su objetivo es integrar las técnicas básicas de aprendizaje automático en su conjunto de herramientas, entonces genial: adelante. Hay mucho que decir sobre el aprendizaje práctico en el trabajo, pero no le enseñará los fundamentos teóricos. Del mismo modo que un estadístico teórico no sería un buen ingeniero de ML debido a su falta de experiencia práctica, su falta de experiencia teórica también lo obstaculizaría.
- ¿Cuáles son algunos buenos cursos de datos para entrar en Machine Learning?
- ¿Qué tarjeta gráfica debajo de Rs 2500 es buena principalmente para juegos?
- Mucha gente sugiere escribir un blog para mejorar su visibilidad y estado como experto en un tema específico. Sin embargo, no soporto la idea de escribir, especialmente sobre temas técnicos. ¿Hay otras formas de hacerse notar?
- ¿Cómo se almacena la información en binario?
- ¿Cuáles son algunas formas comunes en que el hardware se daña en una computadora?
