Recomendaría comenzar con las matemáticas detrás de todos estos temas.
Comencé con Probabilidad y Estadística primero. Podrías intentarlo. Creo que el álgebra lineal también sería útil.
Lo siguiente sería definir el plan de estudios y el alcance que desea cubrir en los temas de IA, ML y PNL. Todos son términos bastante amplios para ser sincero.
Una vez que tenga eso claro, comenzaría de la siguiente manera:
- ¿La ingeniería de características es relevante para los bosques aleatorios? ¿Cómo son relevantes las transformaciones de centrado, escala y Box-Cox en este contexto?
- ¿Qué áreas del aprendizaje automático son más importantes para los fondos de cobertura y los bancos de inversión (en equipos cuantitativos)?
- ¿Cuáles son los trabajos más gratificantes para quienes desean trabajar en el aprendizaje profundo?
- Cómo lidiar con datos sin patrones en los que necesito realizar un modelo de clasificación
- ¿Qué es el Autoencoder Adversarial?
- Redes neuronales: en realidad bastante directas y fáciles de terminar. Obtendrá la confianza de que realmente sabe algo ahora. Comprenderá dónde y cómo se implementan las teorías de probabilidad.
- Aprendizaje automático: probablemente cubra solo temas que ponen en práctica las matemáticas. Deje el resto para “aprendizaje profundo” más adelante. 😛 (juego de palabras)
- AI: ¿Comenzar con algo como algoritmos evolutivos tal vez? Será muy interesante para usted ver cómo los algoritmos computacionales usan el concepto matemático para resolver problemas tomando ‘Naturaleza’ como eje de inspiración. Es simplemente hermoso ¡Comenzarás a volverte adicto!
- PNL: Mi favorito. La cereza en la parte superior. Comience con la parte más simple: ¿minería de texto? Tome una porción de minería de texto al gusto … ¡Después de eso querrá todo el pastel!
Disfruta … 🙂
