Hice más de 25 cursos verificados en Coursera y 10 en Edx y todavía disfruto de los nuevos que estoy tomando ahora. El punto es que nunca aprendo algo porque se acaba de enumerar en el programa del curso. Trato de encontrar una aplicación para el concepto que estoy aprendiendo y me tomo mi tiempo para implementarlo. Déjame darte un ejemplo concreto.
Soy un gran admirador de Roger Federer. Sé que su backend solía ser su mayor debilidad. Al mismo tiempo, estaba aprendiendo algunos algoritmos sin supervisión. Busqué sus datos de coincidencia e implementé todos los algoritmos que aprendí para predecir si su próximo backend será bueno.
Hice lo mismo con Rafael Nadal e intenté aprender algoritmos para comparar sus datos. Tenía curiosidad por entender qué características eran responsables de hacer que los backends de Nadal fueran mejores que los de Roger. Este enfoque hizo y aún hace todo mi camino para aprender divertido e intrínsecamente motivador.
- ¿Vale la pena dejar mi trabajo de desarrollador de software de USD $ 150K para estudiar el aprendizaje automático y el aprendizaje profundo?
- ¿Es justo evaluar una red neuronal profunda solo de acuerdo con su rendimiento en algunos conjuntos de datos específicos?
- ¿Se moverá el conjunto de problemas ICPC para incluir sistemas distribuidos y aprendizaje automático en el futuro?
- ¿Por qué es beneficioso centrar y normalizar los datos antes de ejecutar el Análisis de componentes principales en él?
- ¿Cuál es el mejor enfoque para construir un sistema de clasificación basado en la clasificación de otros?
Lo ideal es ver todo lo que está haciendo en un contexto global que le permite profundizar en un problema interesante o incluso en una pasión. En términos más generales, así es como funciona la forma de aprendizaje permanente.
