¡Por supuesto que es realista pasar a un trabajo en la industria! Tienes habilidades muy buscadas y tienes un doctorado no menos.
Si tiene experiencia con la optimización matemática y los métodos de gradiente, ya sabe acerca del descenso de gradiente o lo comprenderá en cinco minutos. El descenso de gradiente es uno de los pilares del aprendizaje automático y la clave para comprender cómo funcionan los algoritmos de aprendizaje.
También se podría argumentar que los algoritmos de optimización metaheurísticos, como los algoritmos genéticos, se incluyen en el aprendizaje por refuerzo, que es un subdominio del aprendizaje automático.
- Cómo aplicar ConvNet en el análisis de sentimientos
- ¿Cuáles son las ventajas de las técnicas de aprendizaje automático sobre las técnicas de pronóstico tradicionales?
- Redes neuronales artificiales: ¿Hebbian Learning rige el trabajo en problemas de aprendizaje automático o es solo un enfoque teórico?
- ¿Puede ocurrir un sobreajuste en un algoritmo de aprendizaje no supervisado?
- Cómo construir mi propio sistema de inteligencia artificial
¿Qué deberías esperar? Bueno, la industria es muy diferente de la academia, como seguramente ya has descubierto. Mientras que la investigación del aprendizaje automático en la academia se enfoca en mejorar las propiedades fundamentales de los algoritmos y crear nuevos algoritmos, la industria se enfoca en encontrar la solución más rentable para los problemas del mundo real. Eso generalmente significa usar implementaciones de biblioteca estándar y construir tuberías reutilizables.
Si está buscando hacer matemáticas avanzadas y estudiar problemas en profundidad, la industria seguramente lo decepcionará. Pero eso no significa que no pueda ser un desafío intelectual. En general, encuentro que aplicar el aprendizaje automático a problemas aplicados es un trabajo muy interesante para alguien con una mentalidad matemática.
