Gran pregunta!
Lo mejor que puede hacer por usted mismo como estudiante de primer año interesado en AI y ML es asegurarse de establecer una base sólida en los requisitos previos de matemática e informática necesarios para comprender profundamente las ideas de AI y ML.
Desde una perspectiva académica, esto significa que debe asegurarse de inscribirse en un curso de álgebra lineal, un curso de matemática y probabilidad discreta y un curso de cálculo multivariable. También debe asegurarse de tomar una buena introducción al curso de programación, así como un curso de estructuras de datos y algoritmos. Todos estos cursos son increíblemente importantes en IA y ML porque los conceptos que aprende de estos cursos aparecerán una y otra vez en una variedad de aplicaciones.
- ¿Qué es mejor, CS en IIT JAMMU o Pharmaceutical en IIT BHU?
- ¿Cómo volverían a inventar los humanos las computadoras si un gran desastre golpeara la Tierra y dejara solo unos pocos sobrevivientes?
- Dado un grupo de nodos con solo información de sus grados individuales, ¿puedo determinar en tiempo polinómico si puedo formar un gráfico múltiple conectado a partir de ellos?
- ¿Carnegie Mellon y Texas A&M en Qatar ofrecen la misma calidad y títulos de enseñanza que los originales?
- ¿Agregar más diversidad en tecnología es importante para la innovación / creación de valor? ¿O es el "impulso de la diversidad" de las grandes empresas tecnológicas una postura políticamente correcta?
Si sus cursos de pregrado ofrecen la oportunidad, vea si puede tomar una versión de los cursos de matemáticas que también muestre las aplicaciones de estas materias para resolver problemas del mundo real. Personalmente, descubrí que mi comprensión del álgebra lineal, por ejemplo, era mucho mejor porque el curso en el que aprendí álgebra lineal era un curso de Ingeniería Eléctrica que enseñaba los fundamentos del campo y mostraba aplicaciones directas de la teoría. Por ejemplo, cuando aprendimos acerca de los valores propios, lo aprendimos en el contexto de la comprensión del algoritmo PageRank y los estados estacionarios. Cuando aprendimos la Descomposición del valor singular, aprendimos en el contexto de la reducción de la dimensionalidad en el algoritmo de Análisis de componentes principales. En mi experiencia, a muchas personas les resulta difícil entender estas asignaturas de matemáticas porque a menudo se introducen sin el contexto de una aplicación. Si no tienes esta oportunidad, cada vez que aprendas algo en tus clases de matemáticas, pregúntate por qué funciona y por qué es útil. La razón por la que es útil a menudo conducirá a una investigación independiente donde encontrará aplicaciones reales de conceptos abstractos que aprenda.
Ahora, una vez que haya pasado por la cadena matemática adecuada para comprender los temas de AI y ML, lo mejor que puede hacer es sumergirse en ella. Comience a leer algunos algoritmos de IA y ML e intente implementarlos. Lea algunos de los trabajos de investigación recientes publicados en conferencias de primer nivel como NIPS e ICLR . Luego, vea si puede sintetizar su conocimiento en un problema que desea intentar atacar usando AI y ML y vea si puede construir algo. Incluso si nada de esto es exitoso, aprenderá mucho más haciendo esto que viendo pasivamente los tutoriales de IA y ML, que es lo que hacen muchas personas que intentan aprender AI y ML. Ver estos tutoriales no es una mala idea, pero siempre asegúrese de dedicar una cantidad de tiempo decente a aprender cosas activamente a través de la implementación y la creación de cosas.
