¿Entrar en el campo del aprendizaje automático en 2023 sería demasiado tarde o una mala idea?

Olvidémonos por el segundo de 2023. Piensa ahora.

En 2009, si se preguntara “¿entraría en ML en 2016 sería demasiado tarde?”. En 2009 tenía quince años y no sabía mucho sobre IA. Pero eso es irrelevante.

Aquí hay dos puntos importantes:

1. Está pensando en comenzar en siete años, aunque podría comenzar ahora
2. Esperas que alguien pueda dar un consejo profesional sólido que seguirá siendo útil en siete años.

Puedo decir más sobre el primero que el segundo. Las personas corren el peligro de estar desempleadas o de quedar atrapadas en un trabajo malo porque apestan en sus trabajos. No tienen la actitud necesaria para crear cosas. No hacen el esfuerzo de aprender lo esencial y probarse a sí mismos.

por que es tan importante? ¿Por qué los CEO no solo contratan suficientes programadores calificados, les dicen qué hacer y todos estarán felices? Porque presionar las teclas no es tu trabajo real. Resolver problemas, en su cabeza, anticipando el momento y el lugar donde las cosas pueden ir hacia el sur, tomando medidas para evitarlos y contando a los demás sobre sus hallazgos. Ese es tu trabajo. Esto también se aplica a los no programadores. La obediencia era necesaria en la era industrial. La era de la información requiere iniciativa.

Entonces sí. Comenzar siete años después será muy, muy tarde. Hace un par de años, Big Data era el juego principal, todos querían usar Spark / Storm / Hadoop / Hive. Ya no hace tanto calor, todavía está en demanda, pero la emoción se fue, la emoción se fue …

Como estudiante candidato en ese campo, diría que no hay tiempo para que sea demasiado tarde para aprender algo. Pero, por supuesto, no espera la respuesta a esa pregunta.

También depende de cuál sea su propósito para estudiar el aprendizaje automático. Por mi parte, realmente no me importa el retorno de la inversión (salario de graduación, etc.), simplemente disfruto el proceso de aprendizaje. Si quiere decir que le preocupa que su ROI sea menor que ir a otros campos, como lo que les sucedió a los que llegaron a la ingeniería financiera después de la crisis, entonces diría que no vaya al aprendizaje automático. Supongo que aprender los campos de ciencias duras sería mejor: matemáticas, física, biología o química. De hecho, el aprendizaje automático es un subconjunto de un subconjunto de matemática -> matemática aplicada -> CS. Por supuesto, de todos modos aprendería el aprendizaje automático haciendo pequeños retoques como ingeniería de software.

La razón principal por la que el aprendizaje automático en este momento se ve sexy es porque se aplican en todo el mundo tecnológico, contratan a muchas personas, pagan salarios altos, los empresarios pueden presumir de una ventaja estadística exagerada que podrían aportar al PnL, y los inversores pagan una prima por equidad esto. Tarde o temprano, esto sería un ciclo, y habría duros “inviernos” de IA. Ha sucedido como 4 veces (CMIIW) antes.

Supongo que si solo disfrutas haciendo investigaciones de vanguardia y no piensas mucho en el dinero, entonces sí, 2023 no es demasiado tarde. Si no, entonces es mejor joder y hacer otras cosas.

Para todos los estudiantes y profesionales que desean seguir una carrera como Data Scientist, ya que es una de las carreras más lucrativas y de rápido crecimiento. Data Scientist tiene programación R, análisis predictivo y aprendizaje automático como algunos de los temas principales

Con la aparición de los teléfonos inteligentes, los fabricantes de aplicaciones basadas en Android fueron impulsados ​​a un nivel completamente nuevo. Todos los días se lanzan nuevas empresas nuevas con Android y la aplicación web como la tecnología principal y la fuerza impulsora.

Aquí hay algunas tendencias laborales en estos sectores.

edWisor.com es una de esas plataformas que proporciona un entrenamiento completo en vivo de Data Scientist . Estas sesiones de capacitación en vivo son proporcionadas por profesionales que actualmente trabajan en la industria en este puesto de trabajo . Este es un programa de 10-12 semanas con 3-4 horas de entrenamiento en vivo los fines de semana. La capacitación en vivo se proporciona con un enfoque práctico basado en una asignación semanal y un proyecto de la industria . Estas tareas y proyectos son evaluados por el profesional / mentor y se clasifican en base a eso por su habilidad como Data Scientist .

edWisor.com después de completar el curso envía currículums junto con sus proyectos a las compañías relevantes para la contratación como pasante y a tiempo completo.

Gracias.

Supongo que otros ya han respondido esta pregunta exhaustivamente. Pero prefiero verlo desde un ángulo diferente (según mi experiencia). Cuando elija una carrera, no le dé mucha importancia a las palabras de moda que se difunden y qué tema es candente. Cuando comencé mi doctorado en 2009, la computación en la nube era una de estas palabras de moda, todo el mundo hablaba de ello, pero me llevó casi un año darme cuenta de que era solo un concepto que reformaba la tecnología web disponible junto con un poco más de información adicional. cosas. Hoy no escuchas demasiado sobre la computación en la nube porque la emoción se ha ido. La misma historia para Big data (y puede agregar más). En estos días, Data Science, Machine Learning y AI me recuerdan la misma tendencia y puede enfriarse después de un tiempo. Todavía es demasiado pronto para llegar a una conclusión, ya que toda la comunidad (y también los medios de comunicación) están entusiasmados con lo que puede hacer el aprendizaje profundo (hasta ahora la gente lo trata como una varita mágica). Las personas que sueñan que en 5–10 años serán atendidas por robots, pero la realidad es otra cosa. Se necesita tiempo para llegar al límite de estas nuevas tendencias y, cuando ocurra, es probable que aparezca otra palabra de moda.

Mi punto es que seguir una carrera porque es un tema candente está mal y puede decepcionarte. Intente seguir con lo que se sienta cómodo y mejore su comprensión del proceso de ingeniería (de software). Pase lo que pase, los ingenieros de software siempre han tenido su lugar en la tecnología, por así decirlo.

Estoy desconcertado por la pregunta. ¿Tienes quince años? ¿Qué significa para ti la fecha 2023? Entonces, si respondo completamente fuera del campo de juego de lo que estabas pensando, c’est la vie.

En veintitrés nos veremos tan abrumados por las máquinas conscientes, el calentamiento global, la agitación política, las guerras, la pestilencia, la hambruna generalizada y la pérdida de la persona de reparación de Sears, que no le preocupará esta pregunta. Las cosas serán como son ahora, pero de gran tamaño, por lo que no hay forma de que estos problemas puedan ignorarse.

El aprendizaje automático será tan avanzado que muchos codificadores e ingenieros comenzarán a dejarlo ir. Piense en ellos como el andamio necesario para fabricar la máquina. Bueno, cuando está hecho, ¿quién necesita el andamio?

¿Qué tal esto para un emprendimiento emprendedor? Tenga en cuenta que las personas se enfermarán, cansarán y temerán la tecnología. Comience a adquirir, de la manera que pueda, grandes pistas de tierra que puede convertir en zonas libres de tecnología. Sin iPhone, sin tabletas, sin nada que incluso sugiera tecnología avanzada. Aquí es donde puede entrar su amor por el aprendizaje automático. Para asegurar que este sueño se escape, toda el área estará envuelta en un campo donde toda la tecnología se puede detectar y luego eliminar. La gente te aplaudirá como un héroe.

Sería muy honesto decir que si no estás en el campo del aprendizaje automático, ya casi te dejan fuera. He visto este campo transformarse muy rápido en los últimos dos años con las empresas que lo están tomando a altas velocidades. Mire cómo el actor clave económico mundial de la industria automotriz está implementando innovaciones que recopilan y utilizan datos durante nuestra experiencia de conducción en los últimos 2 años, de ahí el surgimiento de los motores Tesla como competidores de los productores tradicionales. Muchas universidades también han implementado muchos cursos en este campo con muchas oportunidades de trabajo que ya han aumentado en este campo durante el último año.

Entonces, a esta velocidad, 2023 está un poco lejos, tal vez 2019 sea justo.

“Demasiado tarde” en qué sentido?

primero debe ingresar a un campo porque es interesante y no (solo) porque es lo correcto.

un gran interés lo llevará a través y eventualmente otras cosas se materializarán como “por producto”

ahora si es interesante, ¿puedes esperar hasta ahora para comenzar 🙂?