Sé bueno en lo que haces, y la gente comenzará a darse cuenta. A menudo me encuentro con preguntas en las que las personas tienden a gravitar más hacia la búsqueda de oportunidades de trabajo en prestigiosas empresas, institutos de investigación o universidades. Según yo (y es una opinión completamente personal), la motivación para estudiar el aprendizaje automático, el aprendizaje profundo o cualquier otro campo por el simple hecho de conseguir un buen trabajo en Google o Microsoft no es suficiente, sino que debes aspirar a ser tan bueno en su dominio respectivo, las personas de estas empresas gigantes comienzan a darse cuenta, y la única forma de hacerlo es disfrutar de lo que hace.
- En el momento en que disfrute el aprendizaje automático, comenzará a explorar todos los subdominios dentro de él.
- Comenzará a leer los últimos documentos que aparecen en el archivo.
- Comenzará a contribuir a las diversas bibliotecas de código abierto como pytorch, keras, etc.
- Comenzará a leer blogs de gigantes del aprendizaje automático como @Andrej Karpathy, @Chris Olah y varios otros entusiastas de ML en plataformas como Medium: lea, escriba y comparta historias que importen o distil.pub
- Comenzará a participar en diversas terminaciones de ciencia de datos alojadas en Your Home for Data Science.
- Eventualmente comenzará a escribir sus propios blogs, explicando las diversas complejidades involucradas en diferentes algoritmos de ML para el beneficio de sus lectores.
El punto es que, cuando comience a hacer las cosas mencionadas anteriormente, desarrollará una pasión por el aprendizaje automático. Conseguir un trabajo en Google o Microsoft será secundario para usted. Comenzará a explorar los horizontes de ML y DL porque realmente quiere aprender y no con el propósito de asegurar un trabajo.
Cuando esto suceda, su perfil en LinkedIn hablará mucho sobre su trabajo y seguramente recaerá en los ojos de los reclutadores de estos gigantes tecnológicos. Serán ellos quienes se pondrán en contacto con usted, no al revés. Al final del día, sin duda tendrá múltiples ofertas en sus manos y será usted quien negociará su salario con ellos.
- ¿Cuáles son los pocos aspectos del cálculo que siempre ocurren en el aprendizaje automático?
- ¿Cuáles son algunos métodos para realizar la selección de funciones en el aprendizaje automático?
- ¿Cómo se puede aplicar el aprendizaje profundo en la reconstrucción de la imagen comprimida?
- ¿Cuáles son los videos más inspiradores sobre inteligencia artificial y robótica?
- Hablando teóricamente, ¿es posible predecir el mercado de valores utilizando tecnología (AI, ML)?
Entonces, mi consejo para usted es agudizar sus habilidades, aclarar sus conceptos, comenzar a enamorarse de las estadísticas y la probabilidad, siempre buscar formas de contribuir en proyectos de código abierto. Haz de github tu facebook. Siga a las personas que contribuyen mucho en el dominio de ML y DL, observe la forma en que codifican, aprenda de ellos.
En conclusión, solo señalaré el famoso diálogo de la película 3 idiotas
“Kamyabi ke peecho mat bhago, Itne kaabil bano ki kamyabi khud jhak maar ke piche aaye”.
Gracias,
Espero que hayas disfrutado leyendo.
