¿Qué significa hacer investigación en aprendizaje automático?

Considero que el aprendizaje automático es un área de investigación aplicada, por lo que todo girará en torno a algún problema por resolver. En general, la tarea es automatizar algunas Tareas de Inteligencia Humana (HIT) con una precisión razonable (por ejemplo: generar una descripción suficientemente buena de una imagen para que un motor de búsqueda pueda recuperarla). Comenzaría por estudiar los modelos existentes (sesgos inductivos) para la tarea en cuestión. Si está en la industria, intentaría usar el mejor modelo disponible. Si estás en el mundo académico, querrás mejorarlo. En general, las áreas de informática y matemática con las que se trataría son cálculo, álgebra lineal, teoría de grafos, teoría de grupos, estructuras de datos, algoritmos. Si va a escribir un código eficiente para resolver un problema usted mismo, necesitaría tener al menos cierta comprensión de los modelos de programación paralela (transmisión de mensajes, subprocesamiento múltiple, etc.). Si es necesario, tendría que configurar la infraestructura informática usted mismo, para lo cual tendría que conocer los conceptos básicos de los sistemas operativos GNU / Linux, programación de GPU, conceptos básicos de instalación del software en esas plataformas, configuración básica de red, configuración un grupo de nodos, etc. La configuración de la infraestructura suele ser una tarea única. Para crear un nuevo modelo, primero le gustaría probar los existentes en sus datos. La comunidad de aprendizaje automático ha sido bastante generosa al compartir sus códigos, por lo que no debería ser un problema. Si los modelos existentes no funcionan bien, generalmente pasará un tiempo preprocesando sus datos para que el modelo se ajuste mejor. De lo contrario, tendría que pensar en un modelo que pudiera acomodar mejor sus datos. Para esto, puede hacer un análisis exploratorio de sus datos, algunas pruebas de agrupamiento sin supervisión si lo desea. Luego crearía una hipótesis sobre los datos, la formularía matemáticamente y escribiría el código para probarlo. Luego analizaría los casos en los que su modelo falló y volvería a repetir el proceso hasta que tenga éxito. Espero que esto responda un poco a lo que preguntaste. Si no, comenta.