Si conoce todos estos temas, entonces es único y tiene mucho que ofrecer a los equipos que trabajan en IA. Debes hacerte notar, por lo que otros han dicho que armar un proyecto de código abierto que demuestre tu talento es una buena idea. Un buen currículum y una carta de presentación escrita profesionalmente también ayudarían.
Una forma de comenzar podría ser desarrollar una aplicación simple que se beneficie de su experiencia en inteligencia artificial. Piense en una aplicación práctica y escriba una aplicación para ella. Existen varias plataformas de escritura de aplicaciones como Snappii [1] que le permiten codificar y publicar dicha aplicación fácilmente. Puede usar su conocimiento de big data y matlab o sql para crear una aplicación que tal vez recopile datos, los compare con fuentes de datos basadas en la web, desarrolle una estructura de datos en Azure o Google, aplique algunas estadísticas creativas y luego proporcione un resultado en el aplicación Si pones todo el back-end en GitHub y usas algo como Snappii para el front-end, tendrías una aplicación ingeniosa que muestra tus conocimientos y habilidades. Si utiliza un dispositivo de recopilación de datos que aplica algunos algoritmos adaptativos utilizando datos en la nube, eso es aún mejor. Si eres realmente afortunado o bueno, podrías desarrollar algo con potencial comercial, pero si no, al menos contribuirá al conocimiento. ¡Diviértete con eso!
Mientras escribía esto pensé “¿qué ejemplo puedo dar?”. Te daré dos que son realmente bastante simples pero que demostrarán tus capacidades. Hay literalmente millones de ideas de aplicaciones similares en las que podría trabajar y solo las proporciono aquí como un ejemplo de lo que puede pensar en 10 minutos:
- ¿Qué conceptos debería practicar en la programación antes de ir a Machine Learning?
- ¿Cuál es la diferencia entre soft k-means y el algoritmo EM?
- ¿Cómo se compara Caffe 2 con TensorFlow?
- ¿Cuántas redes neuronales cubre el curso Coursera de Andrew Ng?
- ¿Qué componentes de hardware (CPU, RAM, GC, etc.) se necesitan para que una PC / computadora doméstica de aprendizaje automático / aprendizaje profundo funcione rápidamente?
- He estado trabajando, por ejemplo, en un sistema de detección automatizado para animales en el bosque . Usaría un micrófono direccional de alta ganancia conectado a su teléfono inteligente, apuntaría al bosque, escuchará los sonidos de los pájaros, y el teléfono le dirá a dónde apuntar, escuchará por un momento, luego emitirá qué especie de pájaro o insecto o animal que estás escuchando. Dicho sistema, si se implementa, aceleraría en gran medida nuestras encuestas ambientales en el campo, pero tendría aún más atractivo para los observadores de aves en todas partes.
- Entonces pensé: ¿alguien ha intentado la taxonomía automatizada? Hice una búsqueda rápida en Google y, efectivamente, se ha estudiado bastante. Aquí hay un resumen: Identificación automatizada de especies de plantas: desafíos y oportunidades . Puse el resumen a continuación. Esta aplicación es aún mejor porque realmente no necesita ningún hardware que no sea el que está en su teléfono celular. Puede apuntar la cámara a una hoja o planta, iniciar la cámara o el video, consultar las bases de datos en la nube hasta que obtenga una coincidencia, mover la cámara a otra hoja si necesita más datos, seguir construyendo datos hasta obtener una solución y listo. – ¡evitaste contratar a un botánico caro!
Resumen
El número de especies de macroorganismos en el planeta se estima en unos 10 millones. Esta asombrosa diversidad y la necesidad de comprenderla mejor condujo inevitablemente al desarrollo de esquemas de clasificación llamados taxonomías biológicas. Desafortunadamente, además de esta enorme diversidad, los flujos de trabajo de identificación y clasificación tradicionales son lentos y propensos a errores; la experiencia en clasificación está en manos de un pequeño número de taxonomistas expertos; y para empeorar las cosas, el número de taxonomistas ha disminuido constantemente en los últimos años. Por lo tanto, la identificación automatizada de organismos se ha convertido no solo en un deseo a largo plazo, sino en una necesidad de comprender, usar y salvar mejor la biodiversidad. Este documento presenta una encuesta de los esfuerzos recientes para utilizar la visión por computadora y las técnicas de aprendizaje automático para identificar organismos. Se centra en el uso de imágenes de hojas para identificar especies de plantas. Además, presenta los principales desafíos técnicos y científicos, así como las oportunidades para los herbarios y los cyberonomonomistas para dar un salto cuántico hacia la identificación eficiente de la biodiversidad y el empoderamiento del público en general al poner en sus manos herramientas de identificación automatizadas.
Palabras clave
Informática de la biodiversidad Visión por computadora Procesamiento de imágenes Aprendizaje automático Reconocimiento de hojas Identificación de plantas Ciencia-ciudadana Identificación de especies Cybertaxonomía
Notas al pie
[1] https://www.snappii.com/
