¿Debo aprender el aprendizaje automático y el desarrollo de aplicaciones de Android simultáneamente? En caso afirmativo, ¿a qué lenguaje (s) de programación debo recurrir?

No, personalmente creo que no es una buena idea comenzar a aprender tanto Machine Learning como Desarrollo de aplicaciones de Android. Como ambos campos son completamente diferentes en un campo, vamos a jugar con datos (minería de datos) y en otro campo vamos a aprender el Ciclo de vida de una aplicación (diseño de interfaz de usuario, interfaz, marco, widget, etiquetas, botones, sqlite ). Somos humanos no comienza computadoras o máquinas para que podamos realizar múltiples tareas al mismo tiempo. si quieres aprender en profundidad y quieres tener un conocimiento profundo y una buena habilidad en el aprendizaje automático y el desarrollo de aplicaciones de Android. Entonces ve por uno. de lo contrario, al final todo se arruinará.

ya que en ambos campos tienes que aprender y practicar mucho para tener un buen conocimiento y habilidad en ese campo.

Pero si lo desea, puede aprender ambas cosas simultáneamente.

Para el desarrollo de aplicaciones de Android, Java es el mejor lenguaje.

Para Machine Learning, Python es el mejor lenguaje, ya que Python es fácil de aprender y tiene toneladas de módulos o bibliotecas para facilitar su trabajo.

Recuerde siempre “Es fácil de aprender pero difícil de dominar”.

¡No! ¡Grande, no!

Tanto el aprendizaje automático como el desarrollo de aplicaciones de Android requieren mucho tiempo. No están relacionados entre sí, por lo que no tiene sentido hacerlo.

Lo que debe hacer es aprender juntos el desarrollo de aplicaciones Java y Android.

Y, aprendan Python y ML juntos .

Una vez que se sienta cómodo con ML y el desarrollo de Android, puede crear una aplicación que use ML para producir resultados.

Desarrollo de aplicaciones de Android:

  • Necesitas aprender Java para ser un buen desarrollador de Android.
  • Java es vasto en sí mismo.
  • Luego, hay varias API en Android, que se utilizan para acceder a varios aspectos del hardware y software del dispositivo Android.
  • Comprender el ciclo de vida de la aplicación de Android y aprender a usar varias API es un desafío en sí mismo.
  • Junto con Java como herramienta de codificación, Xml también forma parte del desarrollo de aplicaciones de Android utilizado para desarrollar y diseñar el front-end de la aplicación.

Aprendizaje automático:

  • Es enorme. Debe tener conocimiento de seguir de antemano
  • Estadística
  • Álgebra lineal
  • Teoría de grafos
  • Teoría de probabilidad
  • Y cálculo. *Silencio*
  • El mejor enfoque es de arriba hacia abajo, conozca los requisitos previos mencionados.
  • Elija un conjunto de datos de, UCI Machine Learning Repository.
  • Comprende el problema.
  • Aprenda el procesamiento previo de datos y aplique lo mismo en el conjunto de datos elegido.
  • Intente implementar varios algoritmos de scikit-learn: aprendizaje automático en Python. Python es bueno para implementar algoritmos de aprendizaje automático.
  • Comprender las medidas de rendimiento de varios algoritmos, hacer un estudio comparativo.
  • ¡Feliz aprendizaje!

    No, no hagas eso.

    Aprenda Machine Learning o Android.

    Ambos son campos diferentes, pero algunos donde pueden estar interconectados.

    En este momento, el aprendizaje automático también se usa en aplicaciones de Android.

    Así que mejor elige un camino, si perfeccionas en ese camino, pasa a otro. No lo hagas simultáneamente. Esa es una mala idea.

    Los mejores cursos en línea de Android

    Clase magistral de la aplicación Android Oreo y Android Nougat

    Aquí puedes aprender

    Desarrolle aplicaciones para la última versión de Android que también funcionen en dispositivos Android más antiguos que ejecutan versiones anteriores del sistema operativo Android.

    · Descargue, instale y configure el software necesario (gratuito).

    · Crea tu primera aplicación.

    · Cree una gama de aplicaciones que demuestren aspectos clave del marco de Android.

    · Pruebe sus aplicaciones en emuladores o en un teléfono o tableta Android real.

    · Aprenderá programación de Java porque el desarrollo de aplicaciones de Android requiere conocimiento de Java. Se incluyen videos tutoriales de Java que lo pondrán al día rápidamente.

    · Asegúrese de que sus aplicaciones funcionen con las versiones actuales y anteriores de Android en teléfonos y tabletas.

    · Use Android Studio 2.3, la versión más nueva de la herramienta Android de Google.

    · ¡Aprenda a usar bases de datos, servicios web e incluso haga que sus aplicaciones hablen!

    · Comprender el nuevo diseño de restricción, para la creación de pantalla “arrastrar y soltar”.

    · ¡Usa potentes bibliotecas de código para reproducir videos, descargar datos del sitio web, manipular imágenes y mucho más!


    Mejor curso en línea de Machine Learning: –

    Machine Learning AZ ™: Python práctico y R en ciencia de datos

    Aquí puedes aprender

    • Parte 1: preprocesamiento de datos
    • Parte 2: Regresión: Regresión lineal simple, Regresión lineal múltiple, Regresión polinómica, SVR, Regresión de árbol de decisión, Regresión forestal aleatoria
    • Parte 3 – Clasificación: Regresión logística, K-NN, SVM, Kernel SVM, Naive Bayes, Clasificación del árbol de decisión, Clasificación aleatoria del bosque
    • Parte 4 – Agrupación: K-medias, agrupación jerárquica
    • Parte 5 – Aprendizaje de reglas de asociación: Apriori, Eclat
    • Parte 6 – Aprendizaje de refuerzo: límite de confianza superior, muestreo de Thompson
    • Parte 7 – Procesamiento del lenguaje natural: modelo de bolsa de palabras y algoritmos para PNL
    • Parte 8 – Aprendizaje profundo: redes neuronales artificiales, redes neuronales convolucionales
    • Parte 9 – Reducción de dimensionalidad: PCA, LDA, Kernel PCA
    • Parte 10 – Selección y refuerzo del modelo: validación cruzada k-fold, ajuste de parámetros, búsqueda de cuadrícula, XGBoost

    Además, el curso está repleto de ejercicios prácticos basados ​​en ejemplos en vivo. Entonces, no solo aprenderá la teoría, sino que también obtendrá práctica práctica para construir sus propios modelos.

    En el desarrollo de Android, si desea desarrollar una aplicación nativa, entonces Java es la mejor opción (probablemente la única).

    Para el aprendizaje automático, puede optar por Python o R según sus preferencias. Ambos idiomas tienen sus pros y sus contras.

    Python está hecho para desarrolladores, es fácil de entender y también es compatible con el desarrollo web, mientras que R es como Excel en esteroides, hecho para estadísticos, gran soporte de biblioteca para aprendizaje automático (aunque Python también se está poniendo al día).

    Personalmente, me gusta codificar en Java, pero no hay mucho soporte de biblioteca para el aprendizaje automático en comparación con Python o R, pero si desea utilizar los lenguajes JVM, también puede optar por Scala.

    No, primero dale un poco de tiempo a Java y Android, luego, después de que te sientas cómodo con él, ve al aprendizaje automático con Python

    Pero si desea utilizar sus aplicaciones de Android para comunicarse de manera efectiva con su modelo de aprendizaje automático, tal vez necesite desarrollar API, de modo que eso es lo que aprende después.

    Espero eso ayude…

    More Interesting

    ¿Cómo se determina la significación estadística para las curvas ROC y los valores de AUC?

    ¿Dónde puedo encontrar un conjunto de datos de texto traducido de cualquier idioma a otro válido para ser entrenado en un modelo de traducción automática en aprendizaje automático?

    ¿Cuál es la diferencia entre optimización submodular y convexa?

    ¿Cuál es el papel de la función de activación en una red neuronal? ¿Cómo funciona esto en un sistema de red neuronal humana?

    ¿Cuál es el mejor enfoque e implementación para la detección y reconocimiento de objetos en la actualidad?

    ¿Cuál es la diferencia entre un sistema recomendado basado en la utilidad del sistema y un sistema recomendado basado en el contenido del sistema?

    ¿El éxito de un algoritmo particular causa una lentitud de progreso en el desarrollo de mejores algoritmos?

    ¿Cuál es el significado / interpretación de la varianza de validación cruzada?

    ¿El aprendizaje supervisado se usa más?

    Dada una red de aprendizaje profundo, ¿se puede entrenar para enseñar (por ejemplo, resolviendo la secuencia óptima de ejemplos o lo que sea) otra red? Si es así, ¿se puede resolver este problema (enseñanza) utilizando técnicas de aprendizaje profundo?

    ¿Qué herramientas matemáticas puedes usar para analizar el comportamiento de las redes neuronales en el tiempo?

    ¿Está bien usar kNN para este problema de clasificación de símbolos musicales?

    ¿Qué es más robusto para datos ruidosos, un árbol de decisión o Naive Bayes?

    Cómo evaluar la agrupación de k-medias en R

    ¿Cuál es la mejor computadora portátil que puedo obtener para aprender el aprendizaje profundo con CUDA?