No estoy seguro exactamente a qué te refieres con oportunidades de trabajo. Si quiere decir, “¿qué bibliotecas estándar / útiles existen, sabiendo cuáles pueden aumentar las perspectivas de trabajo?” entonces aquí está mi opinión:
No estoy seguro de si saber cómo usar una determinada biblioteca puede aumentar las posibilidades de ser contratado por cualquier cantidad de material y he aquí por qué:
1) Es una experiencia de nicho en busca de candidatos. Claro, no puede perjudicar sus posibilidades, pero esperar que los candidatos conozcan una biblioteca en particular no es, en la mayoría de los casos, una forma correcta de evaluar sus habilidades.
2) Es algo que uno puede aprender fácilmente y dominar mientras trabaja en el trabajo. Teniendo esto en cuenta, no hay ningún incentivo para que una empresa contrate a alguien que ya lo sabe versus alguien que no lo sabe, pero que es lo suficientemente inteligente como para aprender en el camino. Por lo tanto, el enfoque casi siempre es (y correctamente, en mi opinión) en un conjunto de habilidades más amplio: ¿es la persona lo suficientemente inteligente como para aprender? ¿Puede él / ella codificar? ¿Le apasiona el área y está comprometido a aprender? etc.
- Estoy haciendo mi segundo año en ingeniería. Todavía dependo del dinero de mis padres para mis necesidades. ¿Qué puedo hacer ahora para ganar algo de dinero mientras estudio?
- ¿Qué es un proyecto prometedor de ingeniería mecánica que podría ser útil para aplicar en universidades en el extranjero? ¿Cuáles son los campos o temas sugeridos?
- ¿Qué debo hacer si quiero mejorar mi electrónica básica y trabajar en el diseño de circuitos?
- Soy un ingeniero civil de Egipto. ¿Cómo puedo trabajar en Inglaterra?
- Soy un lugar más fresco en Infosys. Después de dos años de experiencia, quería hacer un MBA. ¿Se agregará Business Intelligence / SAP a una buena experiencia para hacer un MBA?
3) Saber cómo usar una biblioteca de aprendizaje automático no es lo mismo que “conocimiento de aprendizaje automático”.
Dicho esto, algunas bibliotecas útiles que he encontrado son las siguientes (tenga en cuenta que algunas de ellas pueden no contener algoritmos ML empaquetados, etc., sino que simplemente son bibliotecas de análisis estadístico / programación científica que se utilizan en varios problemas que caen en el dominio de ML):
– Weka (Minería de datos con software de aprendizaje automático de código abierto en Java)
– Libsvm (LIBSVM – Una biblioteca para máquinas de vectores de soporte)
– MATLAB y R (aunque técnicamente no son bibliotecas sino herramientas independientes en sí mismas)
– Giraph y Mahout (para el aprendizaje automático y el análisis gráfico usando MapReduce)
– MLC ++ (SGI – MLC ++)
– MLPY (https://mlpy.fbk.eu/)
– PyML (PyML – aprendizaje automático en Python)
– Scikit-learn (scikit-learn: aprendizaje automático en Python)
– Naranja (Minería de datos fructífera y divertida)