Aunque nunca antes me seleccionaron para GSoC (nunca solicité allí), he estado siguiendo los desarrollos en Shogun y MLPack desde hace bastante tiempo. Entonces, compartiré mi experiencia de todos modos.
Hay varios roles en una organización. La organización de código abierto no es una excepción a este rol. Por lo que he visto en las propuestas anteriores de GSoC de Shogun y MLPack, parece que tienden a seleccionar estudiantes para los roles de prueba y desarrollo.
Dado que muchos algoritmos básicos ya se han implementado en estos softwares, se requiere un conocimiento muy sólido del aprendizaje automático si desea trabajar en los problemas reales con los que se enfrentan. El curso ofrecido por Coursera hace un gran trabajo al introducir conceptos de aprendizaje automático, pero ni siquiera comienza a cubrir las partes avanzadas. Sin embargo, le muestra las direcciones que puede seguir, si desea profundizar.
- ¿Cuáles son los beneficios de convertir una capa totalmente conectada en una red neuronal profunda a una capa convolucional equivalente?
- ¿Cómo se puede aplicar el aprendizaje profundo al procesamiento de imágenes subacuáticas?
- Cómo saber si estoy hecho para el aprendizaje automático y las estadísticas
- ¿Cuál es la mejor manera de aprender a usar LDA (asignación de dirichlet latente) con Python?
- ¿Puede el desarrollador de hadoop aprender el aprendizaje automático?
En lo que respecta a los lenguajes, Shogun está escrito completamente en C ++. C ++ no es un lenguaje que se puede aprender en un mes para ser utilizado de manera fructífera.
Entonces, si realmente quiere trabajar en los algoritmos centrales que estas organizaciones están desarrollando, le sugiero que aprenda sobre un campo en el que esta organización realmente no se ha aventurado todavía pero que está investigando. Puede conocer dichos campos pasando el rato en su canal IRC.
Sin embargo, si solo desea comenzar y no le importa un poco de trabajo duro, puede comenzar a trabajar en sus envoltorios de Python.
