Como todos están aprendiendo el aprendizaje automático y el aprendizaje profundo ahora, ¿debería adoptar un enfoque diferente para centrarme en un área específica, como la programación de gráficos o una más general, como el desarrollo de backend?

El aprendizaje automático, la programación de gráficos y el desarrollo de backend son como Apple, Cheese and Chicken (sí, Apple y Pears siguen siendo un poco similares).

Son muy diferentes entre sí, por lo tanto, no deben compararse. Dicho esto, no se trata de lo que vale la pena aprender, sino de lo que te gusta.

Lo sé. Suena un poco cursi. Pero esa es la realidad. Digamos que comenzarías a aprender IA y Machine Learning porque es genial y todos lo están haciendo (?). Si no te gusta de lo que se trata ML, entonces no te quedarás con eso. No seguirás aprendiendo sobre eso. En pocas palabras, serás un terrible desarrollador de ML.

Por otro lado, si amas la web y todo lo que la rodea. Puede que tenga sentido que hagas eso en su lugar. Como puede ver en este artículo de Indeed, los tres roles principales en el desarrollo web (frontend, backend y fullstack) se encuentran en los 10 trabajos más difíciles de completar en 2016. Eso, para mí, significa que hay muchas oportunidades en La industria web.

Si tienes 0 experiencia, entonces puedes mojarte los pies con cada una de ellas y ver qué es lo que más disfrutas. En línea hay muchos recursos para aprender de forma gratuita (o casi gratis). Tómese su tiempo y explore estos mundos muy diferentes.

Espero eso ayude.


Escribí un libro electrónico que está ayudando a las personas nuevas en el desarrollo web a comprender lo que se necesita para ser un desarrollador listo para el mercado en 2017. También incluye todos los mejores recursos para aprender, de modo que pueda evitar perder el tiempo con toda la basura que está fuera allí (la mayoría de ellos son gratuitos).

Consideraría hacer el desarrollo de backend y el aprendizaje automático de forma paralela. Los trabajos de ingeniero de aprendizaje automático son siempre para personas experimentadas, por lo que es bastante difícil poner el pie en la puerta. Una buena manera de recogerlo sería expresar interés en proyectos relacionados con datos y construir algunas cosas de aprendizaje automático en el trabajo, tal vez transferirlo internamente si está en una organización más grande con dichos roles de ingeniero de aprendizaje automático.

Lo bueno de esta estrategia es que todos pueden usar otro backend o un ingeniero de “pila completa”, y la experiencia de trabajar en grandes sistemas de producción también es valiosa para los MLE, mientras que no todos necesitan otra persona de datos / ML / análisis, por lo que Lo más probable es que tenga más trabajos para elegir.

Otra estrategia que se me ocurre es ser REALMENTE bueno en Kaggle o hacer algún proyecto increíble en tu tiempo libre y ponerlo en Github. Sin embargo, es bastante difícil hacer esto sin ser un gran desarrollador.

* ¿Cuál es el futuro de la tecnología y el aprendizaje *

Cuando escuchas inteligencia artificial o “aprendizaje automático”, ¿qué te viene a la mente? ¿Una tecnología complicada que exige una experiencia de dominio profunda o un grado para usar? Esta era la forma en que funcionaba la tecnología; solo unos pocos elegidos tenían acceso. Pero la innovación tiene una forma divertida de cambiar las cosas.

  • Comenzaron a resolver su trabajo, pero comenzaron una nueva guerra para alimentar las emociones en los robots que usan Inteligencia Artificial.
  • Facebook / Google / Amazon los grandes peces en Globe dependen ahora de la Inteligencia Artificial.

  • Si está buscando un avance en su carrera y desea dirigirse hacia el futuro , debe optar por cursos profundos de aprendizaje automático e inteligencia artificial.
  • Además, quieres ser un gran pez en la industria combina los cursos de Realidad Aumentada e Inteligencia Artificial. El mejor aprendizaje en esta tecnología.

  • Investigue un poco sobre estos temas y diríjase hacia su futuro, todavía voy por la Inteligencia Artificial primero.

En mi opinión personal, no hay suficientes programadores que aprendan el aprendizaje automático. Este campo está prácticamente inexplorado y puedes ser parte de él. Además, no es tan bueno, cuando intentas encontrar un campo, simplemente comienza y lo importante es que te diviertas.

Puede adoptar un enfoque diferente, pero como dije, este campo está inexplorado y habrá mucho desarrollo pronto.

Salud,

Florian

La mayoría de las personas aprenden Machine Learning solo para obtener un trabajo bien remunerado sin tener ningún interés en el campo. Puede ser diferente al dominar las matemáticas de ML e IA en lugar de simplemente usar bibliotecas.

Tienes que explorarlos y ver qué se ajusta mejor a tus intereses, solo siguiendo la tendencia no llegarás a ningún lado.

En cualquier campo, si disfruta de los desafíos que enfrenta, aprenderá de ellos y eventualmente progresará y tendrá éxito. La motivación para resolver un problema proviene de su interés en ese campo.

More Interesting

¿Qué significa decir: "En la geometría de la información, el paso E y el paso M se interpretan como proyecciones bajo dos conexiones afines"?

¿Cuáles fueron los 10 problemas principales en Machine Learning para 2013?

¿Puedo usar TensorFlow sin tener experiencia con el aprendizaje automático?

¿Cómo difiere un sistema de clasificación artificial de una clasificación de sistema natural?

¿Qué trabajo puede hacer un ingeniero de aprendizaje automático para ayudar a las personas?

¿Qué debo elegir para mi tesis en Machine Learning?

¿Por qué la regresión logística se considera robusta a los valores atípicos en comparación con un método de mínimos cuadrados?

¿Por qué usar Kohonen SOMs sobre K-means, o viceversa?

¿Cómo analizaría programáticamente una oración y decidiría si responde con "eso es lo que dijo"? Resuma un algoritmo que, dada una oración, devuelve verdadero o falso para determinar si la declaración es apropiada.

¿Cuál es el poder computacional de las redes neuronales no recurrentes frente a las redes neuronales recurrentes?

¿Cuál es la diferencia entre TensorFlow y Grep? ¿Cuál es el más adecuado para el aprendizaje automático? ¿Por qué o por qué no?

Cómo usar la red neuronal de retardo de tiempo para la clasificación del conjunto de datos MNIST

¿Cuáles son los algoritmos de aprendizaje profundo que pueden corregir los errores de reconocimiento óptico de caracteres (OCR)?

¿Qué tipo de algoritmos utilizamos para el análisis de sentimientos? ¿Hay alguna lista para los algoritmos y sobre su estructura?

Como ingeniero de ASIC, ¿cómo debo prepararme para la era del aprendizaje automático?