Eso depende de muchos factores.
Gran parte del tiempo, los científicos de datos y los ingenieros de aprendizaje automático estarán masajeando datos de alguna manera … probablemente para ajustar alrededor del 70% de su día.
Además, la mayoría de los profesionales no están escribiendo algoritmos. Ese trabajo ya está hecho. La mayoría de las veces solo están construyendo modelos. Si quiero construir una red neuronal, no estoy codificando manualmente ninguna parte del algoritmo, estoy usando Keras o TensorFlow. No hay necesidad de reinventar la rueda.
- ¿El hashing criptográfico es una buena manera de identificar imágenes de forma exclusiva?
- ¿Cómo están sucediendo los campos de entrenamiento de algoritmos?
- ¿Qué es una cola prioritaria?
- ¿Es así como se elimina de un árbol de búsqueda binario cuando un padre tiene dos subárboles?
- Si solo quiero escribir algoritmos y lógica, y no quiero molestarme con la interfaz de usuario y la codificación frontal, ¿qué tipo de posición de software me conviene más?
La parte de aprendizaje es fácil … continua. Si quieres ser bueno en cualquier disciplina de TI, nunca dejes de aprender y perfeccionar tu oficio. La élite en cualquier campo son estudiantes voluminosos. La tecnología no deja de evolucionar y eso significa que no dejas de aprender y adaptarte a ella.
Si eres nuevo en esta disciplina, por favor toma mi curso sobre ingeniería de datos a continuación. Es GRATIS ahora.
Una introducción al aprendizaje automático para ingenieros de datos
