Machine Learning Engineer
Olá queridx! Como está?
Criei esse plano de estudos pensando nas pessoas que tem interesse em seguir na carreira de Machine Learning e conseguir uma ótima colocação no mercado de trabalho com muitas skills.
Sobre as skills de um Engenheiro de Aprendizado de Máquina
A primeira coisa é ter muita vontade de explorar novas possibilidades, estar sempre aprendendo e o mais importante, ser muito curioso e disposto a achar soluções para vários problemas. Já em questões técnicas, um bom Engenheiro de Machine Learning deve saber sobre:
• Uma linguagem de programação que seja muito usada para fazer as análises, e a que está em alta é Python (e esse plano de estudos tem muito Python, você vai sair craque);
• Ter conhecimentos de bibliotecas de análise de dados e aprendizado de máquina, entre elas:
• Pandas
• Numpy
• Seaborn
• Matplotlib
• Scikit-learn
• Keras
• TensorFlow
• Pytorch
• OpenCV
• Conhecimento de banco de dados, análise e modelagem de bancos é algo importantíssimo!
• E uma das coisas mais importantes, que é usado dentro dos outros pontos que já falei, é a matemática, sim! Como Engenheiro de Machine Learning/Engenheiro de Dados, você precisa conhecer muito bem essa parte matemática para poder ter um desempenho melhor (e é sério, usa em tudo).
Sobre os conteúdos que estão no plano de estudos
O plano de estudos é grande, não se assuste, mas tem como objetivo te ajudar em todos os pontos que expliquei anteriormente e te apresentar novos conhecimentos, ou que sejam relevantes, para essa área que você está trilhando.
Além das Formações, que estão na ordem que é interessante começar e prosseguir, o plano de estudos contém cursos, vídeos do Alura+, podcasts do Hipsters.tech, artigos da Alura e alguns vídeos da Alura que temos no YouTube, ou seja, um material completo com tudo de melhor que temos e que você tem acesso! No final dessa descrição também vou deixar algumas recomendações de livros da Casa do Código que são bem interessantes para essa área :D
E ah, a parte mais matemática deixei no final para que você não se assuste com alguns assuntos abordados nela, já que são mais complexos, mas ajudam muito a aprender melhor como funcionam os modelos.
Livros da Casa do Código
• Machine Learning - Introdução à classificação
• Pandas Python - Data Wrangling para Ciência de Dados
Outra recomendação é o livro Introdução a Data Science - Algoritmos de Machine Learning e métodos de análise, mas ele utiliza R como linguagem de programação, então você pode adquirir ele se quiser saber melhor dos modelos e também aprender uma linguagem nova!
PS.: Sempre lembre que o fórum está aberto para todas as suas dúvidas, não guarde apenas para você, os pessoal do Scuba (e as vezes até seus colegas) estão por ali para ajudar. Nenhuma pergunta é boba, ok?
PS2.: Escute os podcasts e veja os vídeos adicionais que estão aqui da forma que você achar melhor, não se prenda neles para poder iniciar um novo curso ou formação que está aqui, eles são conteúdos adicionais para a sua formação :P
Pratique
Para que você realmente aprenda o conteúdo que temos aqui, pratique muito! Muitas vezes algo que é muito divrtido de fazer é utilizar bancos de dados e fazer uma análise, utilizar técnicas de ML para resultados de problemas que você vai criando. Um dos lugares onde você pode achar bancos de dados super bacanas, e livres para acesso, é no Kaggle, nessa página aqui você encontra muitos bancos de dados para serem usados!
Mas por quê fazer isso?
Pelo simples fato de que nós aprendemos realmente algo com a repetição e você pegar bancos de dados sem um problema pré-definido faz com que sua criatividade seja exercitada também! E ah, o Kaggle tem muitas competições, vale muito a pena dar uma olhada nisso.
Agora é com você, bons estudos ^^