¿Puedo tomar el curso de aprendizaje automático de Andrew Ng siendo un estudiante de secundaria con algo de experiencia en programación y sin conocimientos avanzados de matemáticas?

Hice exactamente esto en mi segundo año de secundaria. Quería saber más sobre el aprendizaje automático, así que comencé el curso. Andrew Ng da un repaso matemático al comienzo del curso, y con un poco de google adicional deberías poder pasar las primeras cuatro semanas, pero descubrí que después de eso no podía seguir el ritmo. Estaba perdiendo mucha información debido a mi falta de conocimiento matemático. No creo que necesite dominar completamente el cálculo multivariable para tomar este curso, pero al menos tenga una idea de qué son las derivadas parciales, cómo funciona la optimización y algo de álgebra lineal básica. Con este conocimiento, que no es tan difícil de aprender con herramientas como Khan Academy, deberías poder llegar mucho más lejos que yo. Todavía puede tomar el curso sin ningún conocimiento matemático, pero perderá información valiosa. Por último, si su objetivo es implementar el aprendizaje automático en Python o R o cualquier idioma, el curso de Andrew Ng no es el mejor lugar para comenzar. Le dará una base teórica muy sólida, pero realmente no lo ayudará con las implementaciones. Sitios como Machine Learning Mastery o ejemplos en TensorFlow lo ayudarán a obtener la premisa básica mucho más rápido. Una vez que esté listo para un aluvión de matemáticas y teoría, recomiendo encarecidamente el curso.

No Te desanimaría.

Hacer proyectos y códigos ML / DL se ha convertido en algo fácil en estos días. De hecho, si eres bueno para encontrar cosas en Github y Stackoverflow , puedes hacer casi todos los proyectos principiantes de ciencia de datos / aprendizaje automático de palanca. Hace unos días conocí a alguien que está trabajando con el aprendizaje profundo pero no tiene idea de la descomposición de valores singulares. Y, en mi opinión, ese tipo de conocimiento es inútil.

Te animo a que primero obtengas algunos cursos de matemáticas, preferiblemente: álgebra lineal, cálculo, optimización (no obligatorio), etc.

Supongo que este curso se puede completar dentro de los primeros dos años de pregrado / diploma. Entonces toma el curso de Andrew. Y apuesto con toda certeza que disfrutará más y obtendrá una mejor comprensión de los algoritmos de aprendizaje automático.

Si, absolutamente.

Andrew Ng hace un buen trabajo al explicar las ideas a fondo, comenzando con definiciones y pasando lentamente por ejemplos concretos. El curso es una introducción y una encuesta sobre una variedad de modelos, pero las conclusiones más importantes son ideas más generales, tales como: aprendizaje no supervisado versus aprendizaje supervisado, funciones de costos, núcleos y el equilibrio de sesgo-varianza. Estas ideas generales le darán una mejor idea del proceso de probar diferentes modelos y ajustar hiperparámetros. Quizás si tiene algo de experiencia en programación, podría probar los ejercicios de programación al final de cada sección para obtener una mejor comprensión del material.

Ahora también depende de cómo clasifique el conocimiento matemático avanzado. Diría que el material vendría más naturalmente si tienes algún conocimiento previo en probabilidad y cálculo, y realmente no requiere mucho más que eso.

Pero en general expreso el mismo sentimiento que la otra respuesta: ¡inténtalo!

Sí puedes, es lo que estaba haciendo. No requiere un amplio conocimiento de las matemáticas. Sin embargo, me pareció aburrido después de una semana o dos, y solo usé TensorFlow, que se encarga de las matemáticas por ti. Aquí hay algunas diferencias:

1. TensorFlow es más práctico
2. Necesita menos matemáticas
3. Las herramientas reales de la industria están al margen
4. Más divertido y más corto
5. El curso trata sobre la ciencia, las matemáticas y la lógica detrás de ML, TensorFlow trata sobre implementar algo con ML.

Si está hablando de la serie de conferencias sobre ML, definitivamente sí. Sin embargo, sus conferencias de Stanford ML requerirían que tenga una base sólida en el dominio de las matemáticas, ya que es bastante intensivo en matemáticas. En el curso Coursera ML ha atenuado las matemáticas involucradas, pero aún así es un muy buen reloj y uno de los peldaños si realmente desea ingresar al campo del aprendizaje automático.

Así que inténtalo. Sus explicaciones son muy simples y concisas. Es un maestro muy articulado y explica los conceptos en un lenguaje muy simple y fácil de entender.

Muchos de nosotros que acabamos de ingresar a este dominio le debemos una deuda de gratitud.

¿Tal vez? Si estás interesado, pruébalo. Hay buenas estadísticas, cálculos y recursos de álgebra lineal en los colegios comunitarios y la academia Khan que pueden ayudarlo a aprender las matemáticas necesarias para comprender bien el aprendizaje automático.

Es posible

Es posible que pueda comprender algunos de los conceptos básicos, tales como Descenso de gradiente o Regresión, pero es posible que no comprenda todas las matemáticas detrás de esto. Creo que incluso si todo lo que quitas son algunos conceptos, vale la pena.

Tal vez tal vez no. Pero, ¿cuál es el inconveniente? Pruébelo, si le resulta demasiado difícil, luego suéltelo. No cuesta nada, e incluso si solo haces las primeras conferencias, probablemente aprenderás algo. Y tal vez puedas manejarlo, entonces aprenderás mucho.