Comenzar con casos de uso funcionaría no solo para AI / ML sino para la mayoría de las tecnologías.
Descubra cómo las empresas o instituciones están aprovechando AI / ML y por qué.
Una vez que comprenda esto, comience a trabajar en un proyecto corto con el que se relacione estrechamente. Por ejemplo, si comprende qué es la gestión de leads, elija una puntuación predictiva de leads.
- En el aprendizaje profundo, ¿son el "aprendizaje incremental" y el "aprendizaje de transferencia" el mismo enfoque?
- ¿Pandora graba cuando en la canción presiono saltar, pulgar arriba o pulgar abajo?
- ¿Por qué es tan fácil el aprendizaje profundo?
- ¿Qué es $ delta en la validación cruzada?
- ¿Qué tensiones tienen entre sí el diseño de productos y el aprendizaje automático?
Una vez que te conformes con un proyecto. Comience a buscar blogs, tutoriales y conjuntos de datos.
Algunas veces el conjunto de datos puede no estar disponible. En tales casos, cocine algo o pase a otro proyecto.
Divide tu proyecto en una lista de cosas que debes hacer. Busque recursos de aprendizaje para cada elemento de la lista.
Haz tu mejor esfuerzo para completar el proyecto. Aprenda todo lo que pueda para superar los pasos.
Si está atascado, haga preguntas sobre el desbordamiento de pila u otros foros como IDLI en Facebook.
Después de una ronda de estos pasos, sabrá en qué sufrió y qué fue fácil.
En esta etapa, comience a leer libros y tome cursos en línea. Con los aprendizajes del mini proyecto, su toma de decisiones será mucho mejor en esta etapa.
