El aprendizaje profundo (redes neuronales) / aprendizaje automático es un ARTE. El arte nunca se puede dominar a menos que se practique. así que en lugar de solo aprender sobre ellos, comience a explorarlos implementando uno. Hay tutoriales superados en número en la red. elija una implementación basada en lib, como convnet o torch7 o caffe, etc. Comience con un conjunto de datos pequeño en lugar de apuntar a lo alto. comenzar por una arquitectura mínima. aprenderás mucho de esta manera ganarás confianza. entonces puede proyectarse a las empresas publicando el enlace de su repositorio github de implementaciones de aprendizaje profundo / máquina. esto te ayudará a largo plazo …
más imp. La escala industrial ML / DL está muy ampliada. usan múltiples servidores cuda gpus y estaciones de trabajo o computación distribuida. intente trabajar en algunos códigos cuda y programación distribuida – programación funcional. Esto podría ser una ventaja añadida.
puede intentar obtener experiencia industrial primero realizando prácticas en algunas empresas medianas en la India o nuevas empresas que trabajan en DL / ML para obtener experiencia práctica. entonces proyectate con esta exp.
- ¿Cuál es la diferencia entre el aprendizaje automático en Python y R?
- ¿Qué paquete de aprendizaje profundo es el mejor?
- ¿Cómo calcula el tema antes en el análisis latente probabilístico?
- Andrew Ng: ¿Qué opinas sobre la memoria?
- ¿LinkedIn utiliza Deep Learning?
No conozco tu perfil de estudiante, así que es difícil comentar qué tan factible es para ti ingresar a las compañías alistadas, pero las compañías alistadas son tan buenas que no creo que recluten estudiantes de primer año (a menos que la persona sea excepcional en el campo) que podrían solicitar experiencia en el dominio. preferiblemente un candidato de investigación / phd más o menos.
Sin embargo, nada es imposible. todo lo mejor
