Hay un 100% de que no encontrarás un trabajo de ML si eres bueno en eso. Encuentre un trabajo a tiempo parcial donde pueda practicar sus habilidades y aprender de los becarios mayores. Intenta resolver algunos problemas del mundo real con la IA, te ayudará en el futuro a concentrarte en las cosas correctas en la investigación. El problema con ML es que puede resolver muchos problemas, pero generalmente no tiene ninguno. Así que encuentre a alguien que tenga problemas para ML que valga la pena resolver.
Y sería genial para usted si pudiera reducir su búsqueda y centrarse en un área más específica de ML. ¿Buscar? ¿Clasificación? Predicción de series de tiempo? ¿Aprendizaje profundo? ¿Dónde está tu pasión? Recomendaría leer algo sobre las arquitecturas de procesamiento de datos de flujo: (ecosistema Kafka, Spark, Hadoop), podría ser útil para construir aplicaciones reales de ML.
Por cierto. Creo que la investigación de IA es un buen comienzo de carrera, no el destino. La capacidad de resolver problemas difíciles abre muchas posibilidades nuevas. Así que mantén la mente abierta y no dejes escapar las mejores oportunidades.
- Tengo problemas para mejorar el rendimiento de mi red neuronal a medida que aumento el número de unidades, ¿cuál podría ser el problema?
- Además del aprendizaje profundo, ¿qué otras herramientas de extracción de funciones están funcionando o son prometedoras para el aprendizaje automático?
- Cómo aprender un pozo bayesiano no paramétrico
- ¿Por qué se utiliza un descenso gradiente iterativo para redes neuronales y no inmediato?
- ¿Debo aprender a desarrollar backend si quiero ser ingeniero de aprendizaje automático?
