Hay muchas similitudes entre los dos y los ingenieros de software se están moviendo cada vez más hacia la ingeniería de datos y la ciencia de datos.
Para empezar, debe aprender las principales herramientas utilizadas para el aprendizaje automático: Python (scikit-learn), R, Scala y spark.
Comprender las matemáticas detrás de los algoritmos de aprendizaje automático probablemente será el mayor obstáculo. Es posible que desee aprender algunas matemáticas básicas y estadísticas: álgebra lineal, cálculo, probabilidad, estadísticas bayesianas, etc. Hay videos gratuitos disponibles en la academia Khan.
- ¿Cuánto cuesta hacer una aplicación?
- Cómo lidiar con una deuda técnica transferida
- ¿Cuál es la diferencia entre los informáticos y los ingenieros informáticos / de software?
- ¿Cuál es el mejor país para trabajar como ingeniero de software, de la siguiente lista: Finlandia, Noruega, Suecia, Dinamarca, Suiza o Luxemburgo?
- ¿Por qué algunos desarrolladores de código abierto presumen de no escribir software para Windows?
Yo personalmente recomendaría la introducción al aprendizaje estadístico por Timoshin, que está disponible gratuitamente en línea: Introducción al aprendizaje estadístico. Puede usar esto junto con el aprendizaje de R ya que los códigos se implementan en R.
Existen varios MOOC de aprendizaje automático que también lo ayudarán en su viaje:
- curso de aprendizaje automático de udacity
- Ventaja analítica del MIT
- Kaggle: muy bueno para implementar diferentes algoritmos en conjuntos de datos disponibles libremente. Esto lo ayudará a desarrollar una cartera que luego podrá mostrar a posibles empleadores.