Ese es EL sueño, ¿no?
Déjame darte una verificación de la realidad. La IA más avanzada que tenemos actualmente es Google Brain, que ha sido capaz de identificar gatos, sí, gatos de videos de Youtube. Se puede argumentar que hemos desarrollado automóviles autónomos, pero eso todavía está en su fase prototípica y hay un camino muuuucho largo (note el estrés en ‘largo’) hasta que los tengamos libremente en las carreteras.
No dudo de tu pasión. También pienso en diseñar la mejor IA como Eva, pero para llegar allí, primero tenemos que entender el funcionamiento del cerebro humano. Si no es perfecto, al menos hasta el nivel en que podamos modelar la parte de conciencia (que aún no hemos descubierto) en una computadora. Por supuesto, las redes neuronales, o debería decir, las redes neuronales profundas tendrán un papel importante que desempeñar en esto, pero los avances tecnológicos actuales aún están muy lejos de ESE sueño.
- ¿Cuál es el propósito de usar la variable slack en SVM?
- ¿Cuáles son los tipos de máquina?
- ¿Qué herramientas están disponibles para extraer PCFG lexicalizados de un corpus analizado?
- Cómo explicar la diferencia entre RPCA y PCA
- ¿Cuál es la mejor tarea para las redes neuronales en 2017 y tal vez para los próximos 5 años?
Agradezco tu pregunta. Y REALMENTE aprecio que hayas tomado el curso del Dr. Andrew sobre Machine Learning. Definitivamente comenzará en el camino correcto, pero tendrá que trabajar al menos un millón de veces más de lo que está trabajando para esta clase. En cuanto a los cursos que puede tomar, aquí hay una lista:
- El aprendizaje de los datos de Yaser Abu-Mostafa (Youtube)
- Andrew Ng’s Machine Learning (ya estás allí)
- Aprendizaje automático de Pedro Domingos (Coursera)
- Especialización en Aprendizaje Automático (Coursera)
- Inteligencia Artificial (Universidad de Edimburgo – Coursera)
Y las áreas de ciencias de la computación en las que tendrá que enfocarse serán prácticamente la IA y el subcampo ML. Junto con estos, obtenga un fuerte dominio sobre Probabilidad, Álgebra Lineal, Cálculo y, lo que es más importante, tenga fe en sus habilidades analíticas e intente mejorarlas. Confía en mí, los necesitarás en ML más de lo que los necesitas en cualquier otra área.
Y, por supuesto, como dice Andy Dufresne: la esperanza es algo bueno, puede ser lo mejor. Y nada bueno muere jamás. Entonces, entre, termine este curso, lea todo lo que pueda de todos los recursos que pueda reunir, participe en competiciones de ML (Kaggle), lea documentos de investigación, intente implementarlos. En momentos en que enfrenta dificultades, no dude en buscar ayuda. Encuentra personas con ideas afines. Interactúa con ellos. Lluvia de ideas sobre las ideas.
Y por favor, por favor no pierdas la esperanza. En momentos en que creas que estás perdido, recuerda la curva de aprendizaje:
Tenga en cuenta una cosa: habrá muchas iteraciones de esta curva en el camino que está intentando recorrer. Por lo tanto, pisar con firmeza. No dejes que nadie te diga que no puedes. Y sigue aprendiendo. Con suerte, estaré allí para recibirte en el destino. 😉
Además, no tome esta curva en S a la ligera. Encontrará esta curva en numerosas ocasiones en ML, AI y lo más importante, en la vida.
Para comenzar, lea este artículo para que pueda obtener una motivación: la introducción de un principiante al aprendizaje profundo.
Espero que puedas construir un Eva algún día.
Todo lo mejor.
