Sugeriría ML en python.
¿Por qué?
Tiene mucho que ofrecer
- Quiero ser periodista, me encanta escribir y leer. ¿Es esta una buena elección de carrera (económicamente hablando)?
- Quiero hacer la diferencia. ¿Sigue siendo la medicina una carrera lucrativa o sería un doctorado científico de un programa superior una mejor opción?
- ¿Cuáles son las opciones de carrera para una persona de 34 años sin experiencia práctica de ningún trabajo?
- ¿Qué carrera puedo elegir después de la ingeniería?
- ¿Los estudiantes de doctorado tienen otras opciones además de convertirse en académicos?
ML tiene mucho que ofrecer. En realidad, aprende lo que sucede detrás de escena en un motor de búsqueda o en un recomendador de productos de Amazon. De hecho, los sistemas ML se utilizan por todas partes. Cualquier sitio que sugiera cosas para comprar, páginas para leer, etc. utiliza recomendaciones.
Si desea predecir algo, por ejemplo, el precio de las acciones o incluso precargar las aplicaciones en la memoria en función de los patrones de comportamiento del usuario para aumentar la capacidad de respuesta, observe las regresiones, nuevamente en el dominio ML.
Hay otros dominios divertidos, como el análisis de imágenes y la recuperación de información, que también son inmersivos y geniales.
Y recuerde que ML también tiene redes neuronales como un subdominio, y las redes neuronales son más cercanas a lo que hace nuestro cerebro. Entonces ese es un trabajo muy interesante allí.
Es un campo maduro
Hay muchas bibliotecas de código abierto como Tensorflow, spark ml, mahout y python scikit-learn + pandas. Todos estos tienen vastos recursos de aprendizaje en la web. También son fáciles de comenzar en su propia máquina / computadora portátil. Sin hardware personalizado, sin bloqueo de proveedores, sin problemas de controladores de dispositivo, sin aprender una versión personalizada de c ++, sin bibliotecas oscuras / indocumentadas como IOT.
Entonces, si quieres tener una gran experiencia de aprendizaje y hacer cosas increíbles, entonces apúntate a ML.
Y ahora auto promocionando mi blog. He escrito sobre cómo puede usar el cuaderno Jupyter para ML en python y scala. Si planea aprender ML en python, Jupyter es una herramienta muy útil. Combina claridad / legibilidad / código / documentación en un solo archivo.
Además, si planea usar ML en scala con apache spark, lea esto. Entra en scala + spark una vez que borres tus fundamentos de ML trabajando en python. Spark se usa para ML escalable que se usará cuando sus conjuntos de datos crezcan más de 32 GB (RAM de máquina única).