¿Cómo deberías comenzar una carrera en aprendizaje profundo?

Esta no es mi historia, esta es la historia de mi amigo de graduación en Canadá.

Ella es una estudiante promedio, pero fue colocada en una pequeña empresa y se preparó para la admisión a la EM. y ella ingresó a la mejor universidad de Canadá, y completó la maestría con aprendizaje automático como proyecto final.

Ella tomó el curso en línea de aprendizaje profundo.

Ahora trabaja en proyectos de aprendizaje profundo. Porque consiguió un trabajo de aprendizaje profundo en Jr.Researcher Position.

Ella siempre dice una cosa, el curso de aprendizaje profundo en línea fue Turn His Life.

Te compartiré esos cursos contigo, si tienes interés, puedes unirte.

1. Deep Learning AZ ™: Redes neuronales artificiales prácticas [Mi amigo tomado]

2. Ciencia de datos: aprendizaje profundo en Python

3. Procesamiento de lenguaje natural con aprendizaje profundo en Python

4. Requisitos previos de aprendizaje profundo: regresión lineal en Python

Compartí algunos otros cursos, estos son cursos relevantes.

De cualquier manera esa es mi historia de amigos.

Tomar buena decisión

Todo lo mejor .

Hay varias maneras de comenzar una carrera en ML, ya que todo depende de dónde se encuentre en este momento: ¿Es usted un estudiante de pregrado de CS a punto de graduarse? ¿Tiene un doctorado en ciencias (por ejemplo, matemáticas o física)? ¿Has estado trabajando como ingeniero de software o analista durante años? Donde esté ahora determinará cuál es su mejor camino a seguir.

Permítanme abordar algunas de esas posibilidades:

(1) Usted es un ingeniero de software con algunos años de experiencia.

En este caso, le recomendaría que siga los siguientes pasos:

  1. Aprenda algunos conceptos básicos de ML (consulte Mi respuesta al aprendizaje automático: ¿cómo aprendo el aprendizaje automático?)
  2. Encuentre un trabajo o puesto en un equipo que realice ML, pero donde su función sea principalmente apoyar la ingeniería de software (Esto debería ser relativamente fácil de hacer si es un gran ingeniero de software y muestra su interés en ML al haberlo hecho (1) )
  3. Continúe aprendiendo “en el trabajo” y no pierda ninguna oportunidad de involucrarse cada vez más en los detalles de los algoritmos de ML en los que usted / su equipo está trabajando
  4. Avanza progresivamente para hacer más ML hasta que se convierta en tu trabajo de “tiempo completo”

(2) Usted es un estudiante de CS a punto de graduarse

  1. Podría comenzar una carrera como ingeniero de software y luego ingresar a (1) o …
  2. Podrías decidir hacer un trabajo de posgrado (maestría o doctorado) en ML para comenzar rápidamente

(3) Usted es un doctorado o investigador de “ciencia”

  1. Supongo que ha usado ML y se ha vuelto algo hábil en aplicarlo para estudiar datos y fenómenos. De lo contrario, debe aprender los conceptos básicos de ML (consulte Mi respuesta al aprendizaje automático: ¿cómo aprendo el aprendizaje automático?)
  2. Mejora tu codificación. Es posible que hayas usado algo de R (o peor, Matlab). Te recomendaría que te hagas un favor y aprendas Python.
  3. En la actualidad, hay muchos lugares que se especializan en capacitar a personas con este tipo de experiencia a través de los campos de entrenamiento de Data Science y similares (ver la Academia Zipfiana, por ejemplo). No sé lo suficiente sobre estos como para recomendarlos, pero podría ser una buena manera de mejorar 1 y 2. Incluso hay universidades que tienen cursos de enseñanza de codificación / ingeniería de software para científicos de datos (vea este curso en UW, por ejemplo )
  4. Consigue un trabajo como Data Scientist y progresivamente para hacer más y más ML

Por supuesto, hay infinitas variaciones de las tres situaciones anteriores, y no pretendo que estos simples consejos sean suficientes. Pero, espero que puedan ayudarte si estás en un lugar más o menos similar.