Además de las respuestas más obvias de un buen nivel de Matemáticas (incluyendo estadísticas, probabilidad, álgebra lineal, matrices e idealmente cálculo) y un buen nivel de programación, sugeriría los siguientes detalles:
- Obtenga experiencia práctica si aún no lo ha hecho. Una forma de hacerlo es concursos de Kaggle (Ir de Big Data a Big Analytics);
- Dedique tiempo a comprender cómo mejorar los modelos, es decir, saber si tiene un problema de alto sesgo o de alta varianza y cuáles son los cambios adecuados para tratar de acuerdo con esto (es decir, no solo suponga que necesita recopilar más ejemplos de capacitación, etc.);
- Comprenda qué tipos de algoritmos se utilizan para qué tipos de problemas, por ejemplo, clasificadores, modelos de regresión, aprendizaje supervisado / no supervisado, aprendizaje en línea, etc.
Estoy seguro de que hay muchas otras cosas, pero lo anterior sería un buen comienzo. Si aún no ha cubierto todas estas materias, le recomiendo que consulte el curso Courera del Prof. Andrew Ng sobre Machine Learning: Coursera (puede prever las conferencias para tomar partes del curso fuera de su ciclo normal).
- ¿Ha construido el gobierno lugares secretos para que la civilización sobreviva si hubiera un desastre natural?
- ¿Dónde y cómo debo acercarme al capital si tengo una muy buena pieza de IA que produce 1-3% diario en Forex?
- ¿Podría una computadora ser programada para producir más pinturas al estilo de Thomas Kinkade?
- ¿La IA avanzada conducirá a la compañía de mil millones de dólares?
- ¿Cuál es la mejor máquina analizadora hematológica?
