5 áreas de aprendizaje automático que deberías cultivar

Quieres aprender aprendizaje automático para tener más oportunidades en el trabajo o conseguir un empleo. Es posible que ya esté trabajando como científico de datos o ingeniero de aprendizaje automático y esté buscando mejorar sus habilidades.

Es tan fácil encasillar las habilidades de aprendizaje automático como las habilidades de programación (no se puede).

Existe una amplia gama de tareas que requieren cierta habilidad en minería de datos y aprendizaje automático en los negocios, desde trabajos de tipo análisis de datos hasta arquitectura e integración completa de sistemas.

Sin embargo, existen tareas y habilidades comunes que querrás desarrollar, tal como podrías sugerirle a un aspirante a desarrollador de software.

En esta publicación veremos 5 áreas clave en las que quizás quieras desarrollar habilidades y los tipos de actividades que podrías realizar para practicar en esas áreas.

1. Teoría y fundamentos del aprendizaje automático

Necesitas saber los conceptos básicos. Esto incluye definiciones y principios básicos.

Debes saber qué es el aprendizaje supervisado y no supervisado y ejemplos de cada uno. Debes saber qué es el sobreaprendizaje y el subaprendizaje.

También debe conocer la importancia de estimar el rendimiento de un modelo predictivo a partir de datos invisibles, los métodos comunes para hacerlo y los problemas comunes.

También necesita conocer algunos de los fundamentos teóricos, incluida la familiaridad con las notaciones y las descripciones de algoritmos utilizando la teoría de la probabilidad, el álgebra lineal y la teoría de la información.

Es posible que necesites consultar algunos libros introductorios y tal vez algunas secciones introductorias de algunos libros de texto. Entre y continúe vinculando lo que aprenda con problemas reales o conjuntos de datos que le interesen.

2. Algoritmos de aprendizaje automático

Necesita conocer los algoritmos de aprendizaje automático.

Puedes agitar los brazos y comentar que este algoritmo es bueno para esa situación, pero la mayor parte es basura. Se obtienen buenos resultados mediante muchas pruebas empíricas de algoritmos y parámetros de algoritmos.

Lo que puedes y debes aprender es qué algoritmos existen, qué clases generales y cómo funcionan.

Lea, estudie e incluso construya sus propias descripciones de algoritmos a partir de múltiples fuentes teóricas y aplicadas.

Implemente algoritmos desde cero para familiarizarse con la gran cantidad de microdecisiones que cualquier implementación de algoritmo debe tomar para ser utilizable.

Experimente con algoritmos. Estudie sus comportamientos y los efectos que sus parámetros tienen sobre ellos, generalizados en múltiples instancias de problemas estándar.

3. Herramientas de aprendizaje automático

Necesita poder hacer las cosas y eso requiere herramientas.

No puedes realizar todo desde los primeros principios cada vez que lo necesitas. Eso es ridículo.

Debe aprender qué herramientas existen, qué puede utilizar y cuándo debe utilizarlas.

Aprenda un puñado de bibliotecas y herramientas de aprendizaje automático y utilícelas con ira en concursos y conjuntos de datos estándar. Conozca sus características. Conozca qué algoritmos proporcionan y las peculiaridades de esas implementaciones.

Recomiendo al menos Weka, scikit-learn y R. Tengo un montón de publicaciones de blog con recetas, solo busca.

4. Problemas de aprendizaje automático

El hermano de los algoritmos de aprendizaje automático son los problemas. Son gemelos y no se pueden separar.

Debes estudiar problemas de aprendizaje automático. Esto incluye estudios de casos, como resultados de concursos y artículos.

También incluye de manera crítica cómo abordar los problemas. El proceso de resolución de problemas de aprendizaje automático. Cómo resolver un problema de principio a fin, desde la descripción hasta la presentación de los resultados.

Además, ¿qué herramientas utiliza en el proceso, en qué paso y cómo puede llevar los resultados de un paso al siguiente? ¿Cuáles son los criterios por los cuales se alcanza el éxito en cada paso?

Si tiene experiencia en ingeniería, los algoritmos le resultarán fáciles; por otro lado, la resolución de problemas requiere estudio y trabajo duro. Debes convertirte en un científico, formular y probar hipótesis objetivamente.

La programación no requiere esta habilidad (bueno, la búsqueda de fallas sería una excepción).

5. Mantenerse actualizado

Debes mantenerte actualizado.

Seguro que esto significa ejecutar un aprendizaje profundo porque es una moda pasajera en este momento. Es muy probable que pueda ofrecer resultados de última generación en ese difícil problema que está atravesando.

También significa estar al tanto de las novedades, del desarrollo de las herramientas (registro de cambios, conferencias, etc.), de la teoría y de los algoritmos (artículos de investigación, blogs, vídeos de conferencias, etc.).

La tecnología cambia rápidamente y esto es alta tecnología. Cambia más rápido. Espere y cultive este cambio.

Resumen

Esta fue una publicación corta, pero creo que importante.

Hablamos de cinco áreas del aprendizaje automático que debería cultivar para alcanzar sus objetivos en el campo.

Esas cinco áreas nuevamente son:

1. Teoría y fundamentos del aprendizaje automático: construya una base sólida de definiciones, terminología, principios y teoría.
2. Algoritmos de aprendizaje automático: lea y estudie algoritmos, implemente algoritmos desde cero y experimente con ellos para generar intuición sobre cómo funcionan y por qué.
3. Herramientas de aprendizaje automático: aprenda y utilice bibliotecas y herramientas de aprendizaje automático para hacer un uso eficiente de su tiempo.
4. Problemas de aprendizaje automático: estudie estudios de casos de problemas y estudie continuamente el proceso de aprendizaje automático aplicado (o KDD o como quiera llamarlo).
5. Mantenerse actualizado: manténgase actualizado con los algoritmos, las herramientas de problemas e incluso las exageraciones. Espere que todo siga moviéndose.

No puedes hacerlo todo a la vez, elige un área y dedica algo de tiempo a ella y luego cámbiala.

¿Cuál de estas cinco áreas estás cultivando actualmente?