Realmente no puedes dominar absolutamente nada en el mundo. Todo lo que puede hacer es ser bueno en eso, gradualmente mejorar mejor que el resto con disciplina y práctica rigurosa y luego tratar de mejorar aún más.
De todos modos, déjenme responder algunas preguntas básicas aquí. Antes de comenzar a avanzar, también me gustaría declarar que tengo dos años de experiencia en el estudio e implementación de algoritmos de aprendizaje automático y su asignación a problemas del mundo real. La mayoría de las veces lo hago como parte de mi trabajo personal desde proyectos caseros. No estoy directamente involucrado en la ingeniería de datos, ya que soy ingeniero de software. Podría estar equivocado en ciertas secciones de mi análisis y los ingenieros de datos experimentados pueden diferir de mi punto de vista, pero el análisis a continuación se basa completamente en mi experiencia personal y la agenda que sigo.
¿El aprendizaje automático es fácil?
Para empezar, realmente depende de tu objetivo y de la cantidad de tiempo que te hayas fijado. No sé lo que dicen los demás, pero comprender los algoritmos de aprendizaje automático al principio es difícil, al menos me pareció difícil. El principal desafío es saber, comprender y hacer lo correcto y no desperdiciar sus recursos innecesariamente. El aprendizaje automático es una disciplina, un concepto. No es un lenguaje de programación o un marco que puedas dominar en un mes. El aprendizaje automático implica la conjunción de varias otras disciplinas como matemáticas, estadística, informática, neurociencia, lenguaje, habla, visión, psicología social y muchas otras en las que realmente no puedo pensar en este momento.
- En un juego de billar, ¿puede el mejor robot (diseñado específicamente para esta tarea) derrotar al campeón mundial humano?
- ¿Cómo funcionan los árboles de decisión para la regresión?
- ¿Cuáles serían los proyectos / servicios más interesantes en el cuidado de la salud que involucren alta tecnología como dispositivos móviles, big data y data science? Por ejemplo, Ginger.io.
- ¿Puede el aprendizaje automático ayudar en la detección de malware? ¿Cuáles son los cuellos de botella en tal implementación de ML?
- ¿El aprendizaje automático es algo que no llegará demasiado lejos si no tiene la formación académica adecuada? Dado que hay tanto en Internet, ¿se puede entender?
¿Qué debo aprender si quiero entender el aprendizaje automático?
El aprendizaje automático se aplica en casi todos los campos de trabajo de hoy. Principalmente involucra metodologías estadísticas, algunas matemáticas discretas y geometría coordinada, algunos conceptos de optimización / investigación operativa, algunos conceptos de teoría de juegos si te gusta la programación de IA, etc. Pero todo esto es solo para los problemas de nivel de entrada que puedes resolver con la máquina aprendizaje. Pero sugeriría no poner demasiado énfasis en los campos de estudio subsidiarios y solo estudiar un tema asociado si el algoritmo así lo exige. Aprender sobre la marcha es la mejor estrategia a seguir.
¿Es difícil codificar algoritmos de aprendizaje automático ampliamente utilizados?
Si puede equilibrar un árbol AVL simplemente entendiendo el pseudocódigo del algoritmo, entonces creo que codificar algoritmos de aprendizaje automático no sería tan difícil para usted. Los problemas de nivel de entrada requieren casi la misma cantidad de trabajo cerebral que equilibrar un árbol AVL simple. Los algoritmos de aprendizaje automático más utilizados ya se implementan a través de marcos de aprendizaje automático como TensorFlow, Scikit learn, Azure, Amazon ML, Watson, etc. Para los algoritmos populares, solo necesita conocer el algoritmo, las teorías de soporte que se usaron para formar el algoritmo Y es la aplicación. Estos marcos le proporcionan métodos de línea única para implementar un algoritmo y obtener los resultados. Y sí, es así de fácil de codificar. Comprender los conceptos detrás de un algoritmo particular es una tarea desafiante al principio cuando tienes poco o ningún conocimiento de estadísticas o matemáticas.
¿Puedo aprender el aprendizaje automático solo por autoaprendizaje?
Sí, posiblemente, pero es muy difícil mantener el entusiasmo si no está involucrado en proyectos enfocados en resolver problemas prácticos y del mundo real. Para perfeccionar sus habilidades de aprendizaje automático, el autoaprendizaje por sí solo no ayudaría. Tienes que resolver problemas del mundo real en un entorno de tiempo real. Sin mencionar que los conjuntos de datos de Kaggle podrían ayudarlo, pero solo para hacerlo competente para los trabajos de nivel de entrada. Una vez que ingresa a un trabajo de aprendizaje automático, depende de usted cuán rápido puede aprender nuevos conceptos y realizar investigaciones independientes.
¿Puede ayudarme una estrategia sólida?
Sí definitivamente. Soy estudiante de economía (matemáticas de estadística como asignaturas menores) con una maestría en ciencias de la computación. Permítanme compartir mi estrategia para aprender el aprendizaje automático y su aplicación.
Intento encontrar un sector de aplicaciones donde pueda implementar los conceptos de aprendizaje automático, por ejemplo, predicción del medio ambiente y el clima, fijación de precios de activos, gestión de riesgos, fijación de precios de acciones / banca, automóviles, bioinformática, etc. Luego intento encontrar la mayor cantidad de información posible encuentre el tipo de algoritmos que se utilizan para resolver problemas del mundo real en ese dominio de trabajo. Una vez hecho esto, empiezo con un algoritmo particular y realizo investigaciones sobre cómo las personas de todo el mundo están usando ese algoritmo para resolver problemas en tiempo real. Antes de aprender ese algoritmo, paso por la parte estadística / matemática de fondo del algoritmo, cualquier lectura sugerida que pueda obtener y luego empiezo a entenderlo.
Una vez que esta etapa ha terminado, intento encontrar proyectos de demostración, conjuntos de datos, tutoriales y debates sobre cómo resolver un problema del mundo real y luego pruebo mis habilidades recién adquiridas. Cuando me atoro, trato de encontrar a alguien cerca de mí o en línea, de quien pueda recibir ayuda y obtener la orientación correcta.
¿Cuánto tiempo necesito para aprender todo lo que el aprendizaje automático tiene para ofrecer?
Bueno, tal vez toda una vida. Pero, de nuevo, para obtener un trabajo de nivel de entrada, debe pasar al menos un año estudiando y analizando rigurosamente los problemas relacionados con el aprendizaje automático. Es aún mejor si puede concentrar sus esfuerzos en un campo particular como cobertura, banca, inversión, industria automotriz, transporte y logística, etc. Hay cientos y miles de algoritmos y conceptos. No es posible que alguien asalte todo lo que pueda encontrar. Es aconsejable que separe y concentre sus esfuerzos en un conjunto muy particular de problemas. Esto te ayudará a entrar en esa industria con facilidad. Una vez que haga eso, puede comenzar a expandir su base de conocimiento. Puede que no parezca lo suficientemente convincente, pero la mayoría de las personas que conozco han cambiado su carrera a la ciencia de datos siguiendo esta estrategia.