Resolver problemas del mundo real cae al menos en uno de dos cuidadores:
- Inventando cosas
- Cosas de construcción
El primero es principalmente trabajo de investigación. Proponiendo nuevas ideas para algoritmos, implementándolos y probando su desempeño contra los otros algoritmos. Pero las buenas preguntas científicas no son tan fáciles de formular. La capacidad de encontrar problemas importantes y distinguir temas de investigación buenos y malos proviene del profundo conocimiento de un campo en particular. Entonces, si está interesado en este tipo de desafíos, intente ingresar a un programa de doctorado en ciencias de la computación y estudie como un loco, porque la cantidad real de cosas que no sabe que no sabe le hará volar la cabeza.
Pero si desea probarlo usted mismo sin pasar por todas las molestias, intente descargar varios documentos de Machine Learning y busque una parte llamada “Conclusiones” e “Investigación adicional”. Por lo general, le da algunas ideas sobre dónde ir desde el punto en que terminó la investigación en el documento.
- ¿Cuáles son algunas de las nuevas empresas de aprendizaje automático en 2016?
- ¿La IA desarrollará la autoconciencia o será la conciencia humana la que se unirá a la IA?
- ¿Cómo podemos probar si una máquina tiene sentimientos o no?
- Inteligencia artificial: ¿Qué tan difícil sería crear una criatura robot de la vida real con la IA y la capacidad de entrenamiento de la criatura Blanco y Negro?
- ¿Qué videojuego tiene los personajes enemigos de inteligencia artificial más inteligentes?
Es más fácil entrar en ingeniería, pero probablemente sea más mundano. No es necesario que inventes nada absolutamente nuevo o que pruebes alguna hipótesis. Necesitas hacer que algo ya conocido funcione. La mejor manera de hacerlo es siempre conseguir un trabajo y asegurarse de unirse a un equipo de personas que son mejores que usted.
La razón por la que no puede simplemente encontrar un sitio web con tareas en Internet es que la tarea en cuestión cae bajo el NDA de alguna empresa y requiere un acceso a herramientas patentadas y datos confidenciales o es entregada por profesores a sus estudiantes de posgrado.
Si ha estudiado ML por su cuenta, revisó los ejercicios en los libros y tiene un título relevante, es hora de permitir que el mercado laboral ávido de talento luche por usted.