He pasado por el curso de aprendizaje automático de Andrew Ng. Su representación del algoritmo 10 con estadística y matemáticas siempre que lo requiera mexplain bien.
Pero hay un mayor porcentaje de personas que pierden interés durante el curso.
La razón es que, como eres nuevo en la ciencia de datos, primero te familiarizas con cómo Python y R solían resolver problemas de aprendizaje automático. A medida que te interesas en la ciencia de datos, trata de comprender qué problemas se puede usar para resolver el aprendizaje automático. Entonces se dará cuenta de que necesita un conocimiento profundo de la inclinación de la máquina, aunque solo se usa una fórmula para resolver problemas con la programación como python y package (paquete Scipy).
- ¿Cuáles son los mejores solucionadores de programas cuadráticos?
- ¿Cuáles son los casos de uso del uso del procesamiento del lenguaje natural (PNL) en diversas industrias?
- ¿Qué es un buen algoritmo de recomendación de películas?
- En la capacitación de CNN, ¿también se actualizan los pesos correspondientes al mapa de características?
- ¿Cuál es el mejor título de maestría para obtener hoy en inteligencia artificial, aprendizaje automático, etc.?
Luego aprende el siguiente algoritmo explicado por el profesor Stanford.
Aprendizaje supervisado y no supervisado
Regresión lineal con una variable
Regresión lineal con múltiples variables
Regresión logística
Aprendizaje no supervisado: algoritmo de k-medias para la agrupación
Regularización
Máquinas de vectores de soporte
Reducción de dimensionalidad
Detección de anomalías
Sistemas de recomendación
Una vez que domine esto en youtube y otros materiales en línea (también la conferencia de Andrew) disponibles en línea gratis en youtube, obtendrá suficiente idea ahora para trabajar en un proyecto en tiempo real.
descargo de responsabilidad: soy el fundador de sniffer search (www.sniffers.co) que brinda capacitación en línea sobre ciencia de datos con el mejor contenido del curso y una demostración práctica.