Mire, todo depende de su conocimiento previo y comprensión de Matemáticas, Estadística y Codificación. Al codificar realmente no me refiero al nivel de desarrollo de experiencia. Una comprensión básica de lenguajes de programación como SQL, R / Python servirá el propósito. En lo que respecta a las matemáticas y las estadísticas, la comprensión básica del álgebra lineal a nivel universitario, cálculos, estadísticas exploratorias y estadísticas inferenciales es suficiente. Mejor comprensión de estos, más podrá tener una esencia de aprendizaje automático. No creo que estés buscando I + D en Machine Learning. Eso es todo junto diferente nivel.
Comience por repasar los conceptos matemáticos y estadísticos mencionados anteriormente. Si conoce SQL, R / Python bien y bien. De lo contrario, aprenda los conceptos básicos. Sugeriré algunos libros y sitios web a continuación.
Libros:
- Dado un lenguaje con una función de pliegue (ala Haskell) garantizada para terminar, ¿cuán necesario sería la integridad de Turing para que el resto de este lenguaje sea útil?
- ¿Apagar el protector contra sobretensiones después de apagar la computadora dañará la computadora a largo plazo?
- ¿Por qué falla la búsqueda de amplitud primero si el gráfico tiene bordes que son de costos no unitarios?
- ¿Por qué necesitamos comunicaciones entre procesos?
- ¿Le parece que el aprendizaje automático y la IA deshumanizan?
- Introducción al aprendizaje estadístico con aplicaciones en R – James, Escrito.
- Reconocimiento de patrones y aprendizaje automático – Christopher Bishop.
Sitios web:
- Analytics Vidhya
- KDnuggets
- Kaggle
- Coursera
- Edx
Solo busca y explora en Google.
Y con respecto a los proyectos en Ml, estas son algunas aplicaciones de toda la industria:
- Comercio minorista / comercio electrónico: motores de recomendación, análisis web, análisis de opinión del cliente, análisis de campañas de marketing, etc.
- Finanzas: Modelos de riesgo crediticio.
- Telecom: Modelos de abandono.
- Clasificación de imagen.
Puede ser que pueda explorar estos. Obtendrá una idea bastante buena sobre cómo y dónde se aplican los algoritmos de ML. Pero trate de encontrar algo nuevo, como un nuevo algoritmo o aplicación para una industria menos explorada. Eso te dará algo de ventaja. Por ejemplo, están sucediendo muchas cosas en “Internet de las cosas” y algoritmos de aprendizaje profundo como las redes neuronales para la clasificación de imágenes.
También puede intentar contactar a profesionales de la industria en LinkedIn para obtener más información.
Por cierto, soy de RV College y he estado trabajando en proyectos de ciencia de datos / aprendizaje automático desde los últimos 2 años. Soy un apasionado de ML.
Puede ser que pueda explorar mi publicación en papel sobre puntuación de clientes en IJITR.
UNA PROPUESTA DE PUNTUACIÓN DEL CLIENTE BASADA EN EL PERFIL COLECTIVO INDIVIDUAL Y DEL SEGMENTO
Puede ponerse en contacto conmigo si desea llevar adelante este trabajo de investigación o si necesita ayuda en su trabajo de investigación relacionado con el LD. Estaría más que feliz de ayudar.
Todo lo mejor 🙂
