Al final del día, nada supera la experiencia. Por lo tanto, convertirse en un experto requiere una cantidad considerable de experiencia práctica. Ya sea que sea más del lado de la ingeniería o de la investigación, depende de usted.
Con respecto a aprender lo suficiente como para ser productivo (y así estar en camino de convertirse en un experto), es básicamente una combinación de:
- Tomar suficientes cursos para aprender suficiente teoría. Ver también: la respuesta de Yisong Yue a ¿Qué teoría del aprendizaje automático necesito saber para ser un profesional exitoso del aprendizaje automático?
- Si eres un estudiante universitario, asegúrate de desarrollar un conjunto de habilidades completo para apoyar tus objetivos profesionales. Vea también: ¿Qué le sugeriría a un estudiante universitario que quiere trabajar como ingeniero de aprendizaje automático?
- Si eres un estudiante graduado, tendrás más tiempo para concentrarte realmente en ML. Ver: ¿Qué debe hacer un estudiante de doctorado en aprendizaje automático?
- ¿Cómo funcionan los algoritmos de aprendizaje automático de Google?
- ¿En qué tipo de situaciones debemos emplear las redes neuronales recurrentes de Vanilla en lugar de LSTM?
- ¿Quién es el mejor científico de aprendizaje automático del mundo?
- ¿Cuál es la diferencia entre tensorflow y CVX?
- ¿Cuáles son algunas buenas implementaciones para modelos gráficos probabilísticos? En particular, quiero poder crear y visualizar redes de creencias y aplicar varios algoritmos como la eliminación de variables y otros algoritmos de aproximación.