Tuve un dilema similar cuando me preocupaba en qué involucrarme para mi proyecto de último año. No se pudo decidir en qué aplicación trabajar, cómo proceder y el proyecto con el que pensaba continuar, ya estaba implementado de una forma u otra. La idea de hacer un trabajo novedoso por mi cuenta me molestó mucho para evitar las aplicaciones ya implementadas.
Un día me encontré con esta pregunta sobre Quora: ¿Cuáles son algunas aplicaciones del aprendizaje automático en el deporte profesional? ¿Especialmente en fútbol (soccer)? Soy un gran aficionado al fútbol, y sigo regularmente los principales sitios web de fútbol, como Goal.com, Bleacher Report, etc. Cuando leo un artículo, más a menudo que no, me recomiendan un artículo de otro deporte (no en Goal , en otros sitios) en los que no estoy interesado en absoluto. Entonces, pensé en diseñar un sistema de recomendación de artículos que, en lugar de usar el modelo convencional de bolsa de palabras, use el algoritmo word2vec. Incorpora el uso de espaciado vectorial inteligente con la ayuda de redes neuronales y funciona mejor que el modelo de bolsa de palabras.
La conclusión es: trate de involucrarse en algo que realmente le interese. Trabajar en lo que está trabajando la mitad de la comunidad de ML en este momento puede hacer maravillas por usted, pero solo si realmente está interesado en ello. Prefiero sugerir que participe en algo que afecta su vida a diario. De esta manera, en la búsqueda de la finalización del proyecto, verá que su trabajo impacta su vida (Bueno, no al instante, pero al menos podrá prever qué tipo de impacto podría tener si se implementara a gran escala ) Comenzará a preocuparse por el proyecto y lo mantendrá motivado durante los momentos en que se sentirá atrapado. El apego emocional a algo es la mejor motivación que uno puede tener para lograr el objetivo.
- ¿Qué desafíos interesantes existen para los desarrolladores / programadores que se pueden lograr en unos meses?
- ¿Cómo debo proceder para implementar un analizador probabilístico de lenguaje natural?
- ¿Qué industria utiliza una máquina de granallado?
- ¿Es posible usar el servicio de reconocimiento facial de Facebook desde su API?
- Aprendizaje profundo: ¿Por qué no utilizar el entrenamiento sin supervisión para las redes neuronales más tradicionales (superficiales)?
- Interesado en las finanzas? Trabajar en el análisis del mercado de valores.
- ¿Interesado en las redes sociales? Lea sobre el análisis de sentimientos y trabaje en eso.
- ¿Interesado en aplicaciones medicinales de ML? Intenta trabajar en el análisis de células cancerosas.
Y la lista continúa. Una cosa a tener en cuenta aquí es que no dude en trabajar en algún proyecto que se ha implementado o si se ha publicado algún documento al respecto. Intenta replicar el papel. A veces, te llevará a tener una visión aguda del trabajo de investigación y, si tienes suerte, es mejor que obtengas mejores resultados que el trabajo base.
En cuanto a qué algoritmos / modelos usar una vez que tenga una idea, creo que sabrá la respuesta a esto una vez que tenga al menos los fundamentos básicos de los algoritmos principales en su haber. A menos que esté trabajando en un proyecto / aplicación muy grande, creo que emplear solo uno de los algoritmos, a saber, Regresión logística, Máquinas de vectores de soporte, Retropropagación, Regresión lineal, Bayes ingenuos, etc. será suficiente. De lo contrario, es posible que necesite un conjunto de un par de algoritmos. En cualquier caso, debe tener una sólida comprensión de los principales algoritmos subyacentes antes de comenzar un proyecto.
Espero que esto ayude.
