Después de las estructuras de datos y algoritmos (DSA), ¿qué debo aprender (ML, AI, ciencia de datos)? ¿O debería comenzar a hacer algunos proyectos sobre cosas que ya he aprendido?

Comience Machine Learning a partir de este maravilloso y perspicaz curso de Andrew Ng.

Coursera | Cursos en línea de las mejores universidades. Únete gratis

Asegúrate de completar las tareas a medida que avanzas porque si sigues viendo conferencias, solo tendrás la ilusión de que las cosas comienzan a entenderse.

Después de llegar a la Semana 5, hasta las redes neuronales y la propagación hacia atrás, comience con un proyecto de Aplicación de Aprendizaje Automático (MLA) en Procesamiento de Lenguaje Natural (PNL) o Visión por Computadora (CV). Hacer un proyecto real le dará una gran comprensión de cómo se tratan realmente los datos o se utilizan los algoritmos de ML.

Después de esto, siga un tema específico del área de investigación en ML y continúe su viaje.

Hacer un trabajo real en ML y ciencia de datos es sucio y tedioso, pero una vez que comience a obtener resultados, estará más que feliz y revivido de todo el trabajo duro que ha realizado. ¡Todo lo mejor!

Comience con proyectos. Desarrollar pocos usando código abierto. Haz que estén disponibles en Git o en la tienda de juegos (si es Android). Estoy diciendo todo esto con mi propia experiencia. No se mueva a ningún otro idioma hasta ya menos que tenga una sólida comprensión del DSA. En la actualidad, muchos reclutadores quieren contratar (incluso un recién graduado o estudiante) para tener experiencia práctica.

Después de sentirse cómodo con los proyectos y conceptos, elija cualquiera de las opciones que haya enumerado AI, ML o Data Science. Todos están en demanda en este momento. Pero personalmente ve por la ciencia de datos.

Primero comience a construir un proyecto y al mismo tiempo comience a aprender IA.

Estos dos son diferentes piensan. Una vez que comience a aprender IA, comprenderá estas cosas. Es mejor implementar algo basado en su conocimiento y luego aprender cosas de IA. El aprendizaje es un proceso continuo.

Concéntrese en obtener fundamentos en probabilidad y estadística. Luego puedes elegir un lenguaje de programación como python.

Entonces puedes jugar con algoritmos básicos de aprendizaje automático.

More Interesting

¿Cuáles son las 8 principales cosas para las que las startups utilizan el aprendizaje automático?

¿Cómo probar formalmente que el producto de dos núcleos es un núcleo? Si K1 (x, x1) y K2 (x, x2) son ambas funciones del núcleo, entonces K1 (x, x1) K2 (x, x2) también es un núcleo

¿Alguien ha probado el cableado cíclico de la red neuronal?

En R, ¿qué significa elegir lambda por validación cruzada (cresta, lazo)?

¿Puede una sola red neuronal de capa oculta aprender a jugar Atari Pong desde píxeles sin formato de un solo cuadro?

¿Cómo funciona la propagación hacia atrás en la red neuronal convolucional?

¿Cuál es la diferencia entre tagger, chunker y NER?

¿Debo usar juicios de relevancia explícitos o comentarios de clics implícitos para recopilar datos de capacitación para construir un modelo de Aprendizaje para clasificar?

Cómo comenzar a implementar un sistema de recomendación para juegos

¿Por qué el núcleo RBF (función de base radial) se asigna al espacio dimensional infinito, mencionado muchas veces en las conferencias de aprendizaje automático?

¿Por qué el algoritmo AdaBoost es sensible a datos ruidosos y valores atípicos? ¿Y cómo?

¿Las redes neuronales artificiales pueden modelar interacciones multiplicativas?

¿El CAPM está muerto, en el sentido de que el aprendizaje automático moderno y el modelado financiero han hecho que su aplicación en el mundo real sea redundante?

¿Cuál es una buena fuente para aprender la optimización convexa?

¿Cuál es el punto de usar el problema dual cuando se ajusta SVM?