Tengo una sólida formación matemática. ¿Qué cursos debo tomar para estudiar el aprendizaje automático?

Las sugerencias de Ankur Kunder son excelentes. Puedo secundar los cursos que promueve.

Yo personalmente haría lo siguiente si fuera tú

1.) Tome el curso de Andrew Ng sobre Coursera.

2.) Tome el curso CS231n de Andrej Karpathy en Stanford. Hay video conferencias en su canal.

3.) Lea las notas CS 229 de Andrew Ng. Puede encontrarlos en el sitio web de Stanford CS 229.

4.) Lee el libro Deep Learning.

5.) Elige un problema, cualquier problema. Resuélvelo usando Machine Learning.

1/2 están destinados a establecer la intuición y darle algo de práctica con la programación.

3/4 están destinados a fundamentarse en la teoría y las pruebas detrás de ella.

5 tiene la intención de exponerlo realmente al proceso y establecer sus habilidades. Usar una plataforma, como Kaggle, podría ser bueno, ya que fomenta la discusión y la competencia; en general, el objetivo es demostrar verdaderamente que ha entendido los conceptos detrás de ML y puede aplicarlos.

Buena suerte.

Puede comenzar con el curso de Geoffrey Hinton sobre Coursera en redes neuronales. Tiene muy buenas explicaciones matemáticas.

A continuación, intente leer algunos documentos. El curso de Andrew Ng también se puede tomar.

Después de esto, intenta hacer algo. También puede tomar el curso CS231n de Stanford, que está disponible en línea.

Depende de los antecedentes que tenga. Recomendaría cálculo multivariable (análisis real si desea profundizar más que esto), teoría de la probabilidad (nivel de posgrado), estadísticas (nivel de posgrado) y álgebra lineal (nivel de pregrado, aunque el nivel de posgrado puede ser útil si está interesado) en aprendizaje profundo). Si tiene interés en el análisis de datos topológicos, pruebe la topología y la topología algebraica.

Deberías ser fuerte en estadística y probabilidad, álgebra lineal y programación de computadoras (la teoría de autómatas no debería doler).