/ Diseño ML / Cómo elegir un tema de investigación
Cómo Elegir un Tema de Investigación en Machine Learning y Asegurarte de Poder Realizarlo
No elijas algo obvio donde solo llamas una librería, ni algo tan complejo que no puedas manejar.
¿Qué responde esta guía?
- ¿Estoy empezando mi proyecto de Machine Learning de la manera correcta?
- ¿Cómo encuentro una buena idea o tema de investigación en Machine Learning?
- ¿Cómo saber si mi proyecto de Machine Learning es viable o tiene la dificultad adecuada?
- ¿Cómo convertir una idea en un proyecto de Machine Learning real y completo?
¿Qué herramientas tiene esta guía?
Esta sección del ATLAS te ayudará a definir un problema investigable, acotado y defendible.
Después de asesorar 50+ proyectos, estas son algunas buenas prácticas que se repiten una y otra vez al elegir un tema en Machine Learning.
- Definición estructurada del problema: si sientes que “no sabes qué hacer”, esta herramienta te ayuda a aterrizar una idea difusa en un problema concreto que realmente vale la pena resolver.
- Exploración guiada de ideas y datos: cuando no tienes claro qué proyecto elegir, te permite encontrar ideas viables conectando lo que te interesa con datos reales disponibles.
- Evaluación de viabilidad y alcance: si dudas si tu proyecto es demasiado ambicioso o demasiado simple, te ayuda a ajustarlo a algo que realmente puedas completar.
- Diseño iterativo del proyecto: cuando tienes una idea pero no sabes cómo empezar, te guía para convertirla en un primer experimento y avanzar paso a paso.
Cada herramienta corresponde a una etapa distinta del proceso y está diseñada para usarse en conjunto como un sistema completo de toma de decisiones.
¿Estoy empezando mi proyecto de Machine Learning de la manera correcta?
El error más común: empezar por algoritmos en lugar de problemas
Si eliges mal el tema vas a perder tiempo, ese es el gran enemigo y te vas a frustrar mucho porque tus revisores no van a estar contentos.
Es bueno que busques ideas, pero tener muchas ideas no necesariamente es buena idea. Es mejor elegir pocas bien alineadas a tus intereses.
¿Qué hace que una idea “no funcione”?
Si
Empieza por un problema que realmente te importe
Te comparto esta pseudo herramienta: Definición estructurada del problema: si sientes que “no sabes qué hacer”, esta herramienta te ayuda a aterrizar una idea difusa en un problema concreto que realmente vale la pena resolver.
¿Cómo encuentro una buena idea o tema de investigación en Machine Learning?
¿Qué hace que un tema de tesis en machine learning sea bueno?
Elegir un buen tema de investigación en machine learning implica combinar visión práctica y académica.
La visión práctica se refiere a que el proyecto tenga sentido en la realidad; mientras que la visión académica, a que cumpla los lineamientos de tu institución.
Entonces, el tema que elijas debe ser:
- Realizable según tus recursos, tiempo y habilidades.
- Novedoso en relación con lo que ya existe
- Interesante y relevante tanto para ti como para tu comité
- Planteable en términos académicos (problema, variables, alcance y justificación claros).
El papel clave de los datos: sin dataset no hay proyecto
No necesitas resolver los problemas de la humanidad con tu proyecto.
Cómo encontrar un tema de investigación en ML
Te muestro esta herramienta. Exploración guiada de ideas y datos: cuando no tienes claro qué proyecto elegir, te permite encontrar ideas viables conectando lo que te interesa con datos reales disponibles.
¿Cómo saber si mi proyecto de ML es viable o tiene la dificultad adecuada?
Cómo elegir un proyecto con la dificultad correcta
No necesitas resolver los problemas de la humanidad con tu proyecto.
Cómo asegurarte de que realmente podrás terminar tu proyecto
En esta guía aprenderás cómo encontrar un tema de investigación en machine learning de forma estructurada. Como bonus encontrarás una lista de ideas de temas por sector.
¿Cómo convertir una idea en un proyecto de Machine Learning real y completo?
La estrategia real que usa la gente: iterar, no planear perfecto
No necesitas resolver los problemas de la humanidad con tu proyecto.
Cómo pasar de ideas a proyectos reales
En esta guía aprenderás.
Framework práctico para elegir tu tema de ML
En esta guía aprenderás.