Así que decidió unirse a Google para el puesto relacionado con el aprendizaje automático, esto es realmente genial. Google tiene una empresa dedicada en este campo. Daré su información más tarde.
Ahora, para dominar el aprendizaje automático, fortalezca su base estadística . Esto es imprescindible para el aprendizaje automático. Las técnicas de minería de datos y todo lo que ya cubrí en una de mis preguntas le proporcionaré un enlace de eso.
Puede aprender el aprendizaje automático de muchas fuentes. ¡Lo que necesitas es elegir el perfecto! Estas son algunas de las fuentes:
- Cómo optimizar la clasificación de varias clases si ya conozco el número de ocurrencias de cada clase en el conjunto de datos de prueba
- ¿Cómo serían comparables las características de codificación dispersa y RBM (con una restricción de dispersión)?
- ¿Cuáles son los conjuntos de datos de visión por computadora más populares en este momento?
- ¿Puedo usar el aprendizaje automático para pronosticar datos de series temporales para puntos de datos discretos dispersos?
- ¿Cuál es la mejor manera de predecir una clase +/- en un escenario de aprendizaje automático donde tengo k características trinarias y un conjunto de datos del orden de cientos o miles?
- Título universitario: doctorado (investigación), maestría (por investigación), maestría (por cursos), licenciatura
- Curso presencial: cursos de formación y talleres, Bootcamp
- Curso en línea: MOOC, cursos pagados, material del curso universitario de autoaprendizaje
- Libros: académicos (libros de texto), profesionales (O’Reilly), libros prácticos (Packt)
- Contenido gratuito en línea: académico (artículos, blogs), industrial (blogs, youtube, comunidades)
- Herramientas y Bibliotecas
- Competiciones
Puede ver que la parte superior de la lista está llena de opciones académicas supervisadas y estructuradas y que la parte inferior de la lista se centra en opciones de autoestudio menos estructuradas .
¡Ahora estás confundido entre lo académico y el autoestudio! No es un desglose perfecto, el material puede ser de estudio propio, sin supervisión pero aún altamente estructurado. Un doctorado es altamente académico, pero generalmente está mucho menos supervisado que la mayoría de los otros títulos.
Breve discusión de los puntos de mención anteriores:
Título universitario:
Mejores escuelas para maestrías en ciencia de datos
No necesita un título para aprender y practicar el aprendizaje automático. De hecho, no necesitas un título si quieres explorar la investigación en aprendizaje automático, eso es lo que creo.
Curso en persona:
Las opciones incluyen cursos cortos de entrenamiento y bootcamps. Cursos de ciencia de datos y aprendizaje automático (Persontyle) es una empresa de ejemplo que ofrece una amplia gama de cursos cortos (1, 2, 3 y 5 días) en cursos específicos como Hadoop para científicos de datos e Introducción a la ciencia de datos usando R. I ‘ No estoy sugiriendo de esta manera.
Cursos online:
Coursera | Cursos en línea de las mejores universidades. Únase gratis Un mejor ejemplo para esto. Los cursos suelen durar de 10 a 12 semanas y requieren muchas horas por semana. Muchos son gratuitos u ofrecidos a un bajo costo. Están menos enfocados en la industria y son más académicos que los bootcamps, pero ofrecen capacitación a la que solo se podía acceder dentro de un programa universitario de posgrado. A menudo incluyen videos de conferencias, tareas, tareas y un formulario comunitario para discutir el material con otros estudiantes.
Libros:
Libros académicos
- Aprendizaje automático: el arte y la ciencia de los algoritmos que tienen sentido de los datos
- Aprendizaje automático: una perspectiva probabilística
- Los elementos del aprendizaje estadístico: minería de datos, inferencia y predicción
- Reconocimiento de patrones y aprendizaje automático
Libros profesionales
- Aprendizaje automático práctico: innovaciones en la recomendación
- Aprendizaje automático práctico: una nueva mirada a la detección de anomalías
- ¿Qué es la ciencia de datos?
- Posibilidades disruptivas: cómo Big Data lo cambia todo
- Análisis de Big Data en tiempo real: arquitectura emergente
Springer también se está acercando a esta área con dos grandes libros:
- Modelado predictivo aplicado
- Una introducción al aprendizaje estadístico: con aplicaciones en R
Libros prácticos
- Aprendizaje automático con R
- Minería de redes sociales con R
- Creación de sistemas de aprendizaje automático con Python (experiencia comunitaria destilada)
- Aprendizaje scikit-learn: Machine Learning en Python
- Construyendo modelos gráficos probabilísticos con Python
- Libro de cocina práctico de ciencia de datos
Contenido en línea gratuito:
Materiales académicos
Google Scholar es tu amigo cuando buscas trabajos de investigación.
Materiales profesionales
Aprendizaje automático: el mejor canal de YouTube para aprendizaje automático.
Herramientas y Bibliotecas:
Las herramientas que a menudo recomiendo aprender mucho, dependiendo de dónde se encuentre en su viaje son:
- Weka
- Scikit-learn en Python
- R
Competiciones de aprendizaje automático:
Su hogar para la ciencia de datos ( Kaggle )
Conjuntos de datos de minería de datos y aprendizaje automático, algoritmos, desafíos ( TunedIt )
Aah! muchas cosas. ¡Descansa un rato!
Ahora eche un vistazo a lo que contesté ayer. La respuesta de Shivam Trivedi a ¿Cuál es el mejor orden de aprendizaje para aprender el aprendizaje automático? Esto lo ayudará a aprender el aprendizaje automático.
Ahora hablamos de Google, Carreras | Mente profunda
En el enlace de arriba puedes encontrar muchas publicaciones para las cuales puedes postular. Esta es la compañía de Google que solo trabaja en aprendizaje automático e inteligencia artificial.
Espero que esta información te ayude.
¡Buena suerte amigo!
