Como el aprendizaje automático es tan caliente y casi todos los desarrolladores están aprendiendo ML y DL, ¿debería aprender algo más para obtener una ventaja?

Answer 1

No creo que el aprendizaje automático esté restringido a lo que se puede encontrar en un solo paquete. Y, ese es un lugar para mirar más allá del aprendizaje automático, si está interesado en el aprendizaje automático en sí.

Pero hay mucho más para AI. La planificación de robots, el análisis del discurso, el juego y más han sido examinados por la investigación de AI. Siempre es la pregunta, “¿cuánto símbolo y cuánto numérico? “La gente no ha pasado por todo eso.

Por lo tanto, si se trata solo de IA, todavía hay un campo enorme fuera del aprendizaje automático. Pero, tal vez quieras centrarte en la automatización. O, tal vez usted podría estar más interesado en la seguridad. O, quizás, seguridad con la IA. O, comprensión del lenguaje, más allá de la traducción. El aprendizaje automático es un proceso lento que requiere muchos datos. ¿Por qué se necesitan tantos datos?

Por lo tanto, debe hacerse preguntas sobre lo que cree que valdría la pena pasar el tiempo.

Answer 2

Punto interesante. Creo que en cualquier campo siempre quieres diferenciarte. Por ejemplo, si eres ingeniero, ser capaz de manejar personas te ayuda a subir de rango y diferenciarte de los demás.

Del mismo modo, en el aprendizaje automático / aprendizaje profundo, se aplica el mismo concepto. Aunque las habilidades genéricas como la gestión, trabajar bien con personas, etc., todavía funcionan bien aquí. Si está buscando una diferenciación técnica, una clave es tener las herramientas de ingeniería de software para poder tomar cualquier modelo ML / DL creado e implementarlo a escala. Los ingenieros que suelen ser más valorados son los científicos de datos que tienen las habilidades estadísticas y la visión empresarial para poder hacer las preguntas correctas, las habilidades estadísticas y las habilidades de ingeniería de software para implementar esto en la producción.

En pocas palabras, si tiene todas esas 3 habilidades, negocios, conocimientos estadísticos / ML / DL y habilidades de desarrollo / desarrollo de software, es probable que ya esté entre el 1% y el 5% de todos los científicos de datos. He copiado una imagen a continuación que describe esto como un diagrama de venn (de esta publicación del blog) para ayudar a ilustrar:

Aunque el blog habla sobre la implementación en la producción, ilustra la razón por la que los científicos de datos con algunas habilidades en el área de negocios y / o ingeniería de software / infraestructura es un activo muy valioso en cualquier organización.

¡Espero que esto ayude!

Answer 3

Descargo de responsabilidad n.º 1: no tengo intención de ofender a los científicos y desarrolladores de ML y DL.

Descargo de responsabilidad # 2: solía enseñar ML en UC Berkeley.

Antes de la famosa frase de Hal Varian de que la ciencia de los datos es la profesión más sexy del siglo, hubo minería de datos y descubrimiento de conocimientos (DM & KD), y las necesidades de la minería de datos llevaron a la evolución de las “palas de datos” a herramientas más y más sofisticadas. , que requiere ingeniería, delicadeza y elegancia en las soluciones de manejo de datos y, a veces, simplemente más “potencia”.

ML, y más aún DL, son sistemas de herramientas, como la navaja suiza, que evolucionaron como resultado de este proceso. Sí, hay una necesidad de personas que saben cómo construir estas herramientas, cómo aplicar estas herramientas, pero también hay una necesidad de personas que saben cómo hacer preguntas que pueden responderse con estas herramientas. Sin estas personas, tenemos soluciones que buscan problemas, lo cual es una tontería cognitiva, filosóficamente hablando.

Answer 4

Estoy de acuerdo con Richard en que necesitas enfocarte en algún tipo de automatización. El aprendizaje automático está en todas partes y puedes lograr mucho con él y combinado con un aprendizaje profundo, puedes hacer y construir cosas muy interesantes y útiles. Dado que muchas empresas están buscando expertos en inteligencia artificial y que son la mejor habilidad para los desarrolladores e investigadores (ML y DL), será difícil obtener una ventaja sobre ellos. Lo más cerca que puedes tener de tener una ventaja sobre ellos es tomar algún tipo de curso de ciencia de datos o curso de robótica. Entiendo que la ciencia de datos es similar a ML, pero hay algunas habilidades útiles que los cursos de ciencia de datos enseñan que los cursos de ML no (solo hablan en términos de cursos en línea como Udacity y Coursera). Si combina ciencia de datos, aprendizaje automático y aprendizaje profundo o quizás robótica. Apostarás mejor. Puede que esté equivocado acerca de que la ciencia de los datos le da una ventaja, pero es una habilidad muy útil.

Answer 5

Gracias por la A2A.

Esta es sólo mi opinión. (No soy psíquico).

La realidad aumentada parece estar ganando popularidad. Quizá quieras revisarlo.

Realidad aumentada: una versión mejorada de la realidad donde las vistas directas o indirectas en vivo de entornos físicos del mundo real se complementan con imágenes superpuestas generadas por computadora sobre la visión de un usuario del mundo real, mejorando así la percepción actual de la realidad.

Esta guía te ayudará a comenzar:

Guía para principiantes de la realidad aumentada

Answer 6

Aprende lo que te interesa. Hay espacio suficiente para todos. Aunque puede haber muchos desarrolladores que muestren interés en el aprendizaje automático, todavía hay una gran escasez de buenos desarrolladores. Según un informe de noticias, solo hay más de 10000 buenos desarrolladores en el espacio de ML / AI, y esto está empujando el pago a los buenos desarrolladores muy alto. Si cree que tiene capacidad para llegar allí, ya tiene una ventaja en ML / DL.

Answer 7

Mate toma tu ritmo. Primero una cosa perfecta, no saltes como un conejo sin cabeza. Hay mucho que dominar en el campo de la informática y los datos.