Si. No uno sino muchos.
Use sus propios datos, no los enlatados. Puede encontrar fácilmente conjuntos de datos que no son comunes.
Obtenga una cuenta github y publique su trabajo. Ponga los cuadernos Jupyter en su currículum.
- ¿Cuáles son los algoritmos de agrupamiento más populares?
- ¿En qué tipos de problemas de regresión son comparables las redes neuronales, las máquinas de vectores de soporte, los bosques aleatorios y las redes neuronales profundas? ¿La superioridad de los métodos depende del tamaño del entrenamiento?
- Cómo usar el aprendizaje automático para unir un patrón a partir de valores CSV
- ¿Por qué TF (frecuencia de término) a veces da mejores puntuaciones F que TF-IDF para la clasificación de texto?
- ¿Cómo debo entrenar mi modelo de tren con un modelo de regresión?
Cuando alguien dice … no tienes experiencia, mi argumento siempre es … nadie lo hace … el aprendizaje automático aplicado en el mundo real tiene solo unos pocos años. (mejor que eso por supuesto)
Luego apúntelos a sus cuadernos. Cualquier persona que vea su trabajo que haya estado archivado durante un año más o menos puede examinar las cosas de cortar / pegar en comparación con su propio trabajo.
Además, documente su trabajo. Siempre incluyo toneladas de marcas explicando lo que estoy haciendo.
Elige una dirección dentro del aprendizaje profundo. Si desea trabajar con CNN, entonces cinco proyectos dedicados a CNN con grados de complejidad cada vez mayores atraerán su atención.
Nada mostrará a un empleador en perspectiva que conozca sus cosas tanto como una cartera de ejemplos del mundo real.
