Descargo de responsabilidad: también soy nuevo en esto, así que lo que digo se basa completamente en lo que estoy haciendo ahora.
Antes de pasar al modo de investigación, sugeriría que primero aprenda más sobre ML. Cómo funciona, diferentes formas de hacer ML. Una vez que se familiarice con ML, puede aprender a analizar y modelar y mejorar esta habilidad participando en competencias. Varias plataformas son:
Kaggle: el hogar de la ciencia de datos
Analytics Vidhya: Inicio
Crowd Analytix: análisis de crowdsourcing para ciencias de la vida y servicios profesionales
Esto le dará exposición a diferentes tipos de problemas y formas de abordarlos. Después de eso, puede pasar a abordar un problema simple sin resolver. Digamos, qué algoritmo es mejor en qué entorno.
- En visión artificial, ¿cómo importa el tipo de datos?
- Entre USC, UC Irvine y UC Davis, ¿qué universidad es el mejor lugar para obtener un Máster en Informática en términos de actividades de investigación actuales y oportunidades de pasantías disponibles?
- ¿Por qué la investigación en informática en IIIT-H tiende a ser más aplicada que fundamental?
- ¿Cuáles son los algoritmos más importantes que todo informático debe dominar?
- ¿Cuáles son las tendencias modernas en la investigación en informática?
Esto le dará un camino lento pero bueno en lugar de sobrecargarse con todos los datos. Cuando uno comienza, tiende a perderse en el vasto campo de ML y luego se vuelve aburrido y estancado. Pero de hecho es muy interesante.
Espero que esto ayude. Estoy abierto a sugerencias porque, como dije, soy nuevo en ML.
