¿Cuáles son los conceptos que todo ingeniero profesional de aprendizaje automático debe conocer?

Si quisiera contratar a un “ingeniero” que trabajaría en aplicaciones de aprendizaje automático, idealmente buscaría las siguientes habilidades:

  1. Fuerte familiaridad con las estructuras de datos y varios algoritmos de búsqueda, clasificación y optimización.
  2. Conocimiento de nivel experto de al menos un lenguaje de programación (C / Java / Python)
  3. Razonablemente bueno en matemáticas (idealmente debería ser bastante cómodo con los conceptos en los cursos de matemáticas ofrecidos en el primer y segundo año de un título de ingeniería típico
  4. Comprensión profunda de álgebra lineal, estadística, modelos probabilísticos, ecuaciones diferenciales, técnicas de optimización y modelos matemáticos.
  5. Conocimiento de redes neuronales, lógica difusa, algoritmos genéticos, máquinas de vectores de soporte, técnicas de reconocimiento de patrones, diversos procesos de aprendizaje y algoritmos asociados, redes de capas múltiples, conceptos básicos de aprendizaje profundo
  6. Conceptos básicos del procesamiento del lenguaje natural, optimización del enjambre de partículas, análisis de componentes principales y componentes independientes, técnicas de conjunto, etc.

Y, por último, una actitud de aprendizaje e improvisación sería genial. Además, ¡supongo que la persona sería extremadamente eficiente para encontrar soluciones a través de Google para los problemas que surjan debido a su propia falta de conocimiento en cualquier caso particular!

Lo primero y más importante es tener conocimiento de estadísticas. Que recomendaría aprender los modelos utilizados en Ml y cuál es el significado de cada parámetro dentro de ese modelo. La implementación por mí no es un gran desafío si hemos terminado con los dos conceptos anteriores. Si conocemos la lógica y tenemos habilidades mínimas de programación, podemos complementarlas en cualquier idioma, ya sea en Python usando scikit-learn o Azure ML. Definitivamente sugeriría discutir con más detalle con alguien que realiza PHD o MS en estadísticas o ML si realmente está interesado en aprender ML en detalle.