¿Por qué los jóvenes estudiantes dedican más tiempo a la programación competitiva en lugar de otras áreas como aprendizaje automático, seguridad, big data y sistemas operativos?

Es un pasatiempo divertido con objetivos a corto plazo. Si participo en un concurso, puedo resolver un problema y, dentro de un par de horas, averiguar cuál es mi posición entre los demás que participaron en el concurso.

Para comenzar con la programación competitiva, solo tiene que ser alguien que pueda convertir las declaraciones básicas en código. Los problemas de primer nivel en casi todos los concursos son triviales, ya que no esperan que implemente ningún algoritmo avanzado. Por ejemplo, ha habido problemas en los que solo tiene que atravesar la matriz y encontrar el elemento max.

Las otras áreas que ha mencionado no son tan fáciles de abordar. Si bien hay muchos recursos para aprender sobre Machine Learning, Big Data Analytics y Sistemas operativos, se necesitará un esfuerzo considerable antes de poder rastrear, limpiar y ejecutar una Máquina Algoritmo de aprendizaje sobre esos datos. Por supuesto, hay bibliotecas plug and play, pero creo que no le dan la satisfacción de decir que invierte una cadena donde cada línea de código está casi escrita independientemente de la biblioteca, todo por parte del participante en la competencia.

Una razón más es la abundancia de sitios web de programación competitivos y materiales de aprendizaje disponibles.

En mi humilde opinión porque:

1. Está orientado principalmente a la inteligencia / práctica requiere poco conocimiento previo, por lo que es adecuado para estudiantes nuevos.

2. Es simplemente más divertido 🙂

3. Verá los resultados antes.

Al dedicar más tiempo a las competencias competitivas de programación y ciencia de datos, usted dedica tiempo a áreas como el aprendizaje automático (que algo funciona realmente), la seguridad (desde descifrar las variables hash hasta la detección de malware y spam), big data (competencias de 400 GB) y sistemas operativos (compilación de nuevas herramientas, configuración de máquinas virtuales con diferentes sistemas operativos).

Además, estas competiciones requieren cada vez más horas, incluso de los mejores competidores (porque muchos estudiantes jóvenes comienzan a dedicar horas).

Creo que uno quiere ver qué funciona y qué no. Para obtener experiencia práctica con conjuntos de datos comerciales, resolver un problema con valor comercial.

Y, por último, más instituciones educativas están adoptando la gamificación de la ciencia de datos, simplemente mirando la mejor puntuación en un conjunto de reserva, o utilizando una plataforma como Kaggle in Class.

More Interesting

¿Cuál es la mejor extracción de características de un conjunto de datos de imágenes?

¿Necesito implementar modelos de aprendizaje profundo desde cero?

¿Por qué es óptimo establecer el tamaño del paso para la regresión logística con el descenso del gradiente al recíproco de la consistencia de lipschitz?

Después de lograr una precisión de aproximadamente el 82% en los datos de prueba mediante regresión logística, ¿cómo puedo estar seguro / seguro de que mi algoritmo se generalizará bien para toda la población?

¿Cuál es la diferencia entre modelos discriminativos y generativos en el contexto de la segmentación de imágenes?

¿En qué medida se puede utilizar el aprendizaje automático y la IA en la detección y el tratamiento del cáncer?

Cómo implementar el aprendizaje automático en una aplicación de Android

¿Qué tan difícil es aprender el aprendizaje automático y el aprendizaje profundo después de los 30 años?

¿Cómo es usar Theano en Python?

¿Qué es exactamente el sobreajuste? ¿Por que sucede? ¿Cómo afecta a mi modelo?

¿Por qué la normalización media ayuda en el descenso del gradiente?

¿Qué enfoques / regulaciones se utilizan para manejar el 'problema mínimo / máximo local' cuando se usa el descenso de gradiente con redes neuronales profundas?

¿En qué se diferencia la investigación de Machine Learning en la academia de la investigación en la industria?

El entrenamiento de redes neuronales profundas utilizando la propagación inversa tiene el problema de un gradiente de error que desaparece y que establece un límite sobre cuántas capas se pueden entrenar efectivamente, entonces, ¿por qué no usar un algoritmo genético para entrenar redes profundas, eliminando la propagación de errores?

¿Qué computadora necesito para trabajar en aprendizaje profundo y redes neuronales?