Permítanme plantear la pregunta de una manera ligeramente diferente. ¿Cómo clasificaría el conocimiento necesario para una pasantía de Machine Learning como un estudiante universitario de CS?
La reformulación es por dos razones:
1. Es divertido ser ligeramente pedante 😛
2. Hay dos tipos diferentes de conocimiento de los cuales un estudiante debe ser consciente.
La primera área es el conocimiento general de informática. Para cualquier pasantía, debes convencer a una empresa (o universidad) de que eres un ser funcional. Esto implica poder programar en sus lenguajes deseados (a menudo C ++, Python, Java, Matlab o R para pasantías ML). También incluye tener al menos una comprensión preliminar de la programación orientada a objetos y la ingeniería de software, así como un conocimiento modesto de los algoritmos (dependiendo de las clases que haya tomado). Sin estos, no obtendrás NINGUNA práctica, y mucho menos una en aprendizaje automático. Tenga en cuenta que si desea hacer ML específicamente, se espera que tenga todo esto al menos a un nivel de pregrado intermedio / avanzado.
- ¿Qué es una red de detección como YOLO o SSD en el aprendizaje automático?
- ¿Cómo debo comenzar a escribir una IA que jugará FIFA?
- ¿Dónde estará (o podría) estar el Aprendizaje Profundo si la Ley de Moore continúa por otros 10-20 años?
- ¿Puede la generación de características de fuerza bruta vencer a la ingeniería de características clásica?
- Cómo predecir una variable de salida a partir de entradas dadas si la variable de salida y la variable de entrada se muestrean en diferentes intervalos de tiempo
La segunda área es, por supuesto, un conocimiento de ML, ciencia de datos y técnicas de IA. Esto probablemente vendrá de tu curso. Para obtener oportunidades más laxas, no necesariamente tendrá que ser un experto o familiarizado con el tema. Con pasantías más competitivas, se espera que tenga los conceptos básicos de ML y Data Science en su repertorio. Esto incluirá los preliminares matemáticos (álgebra lineal, probabilidad y cálculo), así como técnicas básicas en el análisis y el aprendizaje de datos (el curso Coursera de Andrew Ng cubre prácticamente el análisis de datos y las técnicas de aprendizaje requeridas).
Siempre hay casos de esquina también. Si tuvo una pasantía o proyecto en el que trabajó en ML o un tema relacionado con ML, entonces puede que no sea tan importante conocer los detalles. Probar su capacidad es primordial. Sin embargo, recuerde que la capacidad también incluye la sociabilidad. Sé tú mismo durante las entrevistas y las pasantías posteriores.
