Hay muchos proyectos de ML de código abierto en los que puedes contribuir.
Siga visitando la página de Github de uno de ellos y revise la página de problemas para encontrar qué errores deben resolverse o las características que se solicitan y necesita alguien para contribuir a ellos.
Por ejemplo:
- ¿Cómo funcionan los RBM? ¿Cuáles son algunos buenos casos de uso y algunos buenos artículos recientes sobre el tema?
- Para un puesto de ciencia de datos, ¿por qué las empresas hacen preguntas sobre la estructura de datos?
- ¿Es más fácil construir un vehículo autónomo que un sistema de traducción automática a nivel humano?
- ¿Qué sitio web ofrece 'filtrado colaborativo como servicio'?
- ¿Dónde puedo aprender a hacer predicciones básicas con RapidMiner?
- sk-learn: scikit-learn / scikit-learn (actualmente tiene 718 problemas)
- tensor flow tensorflow / tensorflow: (actualmente tiene 664 problemas, algunos de ellos están marcados como ” Contribución bienvenida” )
- Keras: fchollet / keras, la popular biblioteca de aprendizaje profundo, actualmente tiene más de 1000 problemas en los que puede trabajar.
Puede encontrar una lista más larga de proyectos populares de aprendizaje automático de código abierto en el aprendizaje automático
y esta guía (Contribuir al código abierto en GitHub) debería ser útil para aprender cómo contribuir a un proyecto de código abierto
