Sí, si y solo si, invierte un tiempo serio en aprender los fundamentos. Eso incluye, por ejemplo, estadísticas, álgebra lineal y optimización. Entonces deberías concentrarte en aprender una gran cantidad de diferentes técnicas de Machine Learning. El objetivo es ser capaz de comprender qué método encajaría mejor con el problema en cuestión. La OMI que asista a un programa relevante de maestría o doctorado sería realmente útil, solo por el tamaño del campo.
Desafortunadamente, muchos practicantes jóvenes aprenden a usar el martillo y luego descubren las uñas en todas partes. Martillo en nuestro caso puede ser regresión logística, bosques aleatorios, k-means, lo que sea. La única forma de evitar esto es la experiencia y la apertura en el aprendizaje de nuevos enfoques y técnicas.
Lo que realmente desea evitar es el escenario descrito aquí:
- ¿Hay algún centro de orientación profesional en alguna parte?
- ¿Cuál es la diferencia entre desarrollador de software, ingeniero de software y analista de soporte de software?
- ¿Qué hacen los consultores?
- ¿La Oficina del Inspector General del Departamento de Defensa encontrará prejuicios cuando investiguen las ofertas otorgadas a ULA sobre SpaceX?
- ¿Qué implica convertirse en bombero?
He visto varias veces que los desarrolladores usan técnicas de ML. Este es el patrón habitual:
- descargar biblioteca con nombre elegante;
- pasar 10 minutos leyendo cómo usarlo (omitiendo estadísticas, matemáticas, etc.);
- alimentarlo con datos (sin preprocesamiento);
- mida el rendimiento (por ejemplo, la precisión, incluso si las clases están totalmente desequilibradas) y cuénteles a todos lo increíble que es con su 99% de precisión;
- desplegar en producción con resultados de fallas épicas;
- encuentre a alguien que entienda lo que está sucediendo para ayudarlo porque el manual de instrucciones no tiene ningún sentido.