La palabra clave a tener en cuenta sería paciencia.
Si está tratando de tomar algunos MOOC aleatorios y espera que al ver algunos de sus videos va a visualizar Deep Learning, entonces probablemente no lo pasará bien. Para empezar, necesita paciencia, comprensión de la lógica informática, álgebra lineal, probabilidad y un poco de estadísticas.
La forma en que comencé o, más bien, mi asesor me dijo que comenzara leyendo los últimos trabajos de investigación sobre Deep Learning y creando un gráfico de literatura de lo que realmente está sucediendo, qué cosas son más importantes para las personas en la comunidad de investigación, etc. Me sentí tan horrible y aterrorizado ya que estaba muy por encima de mi comprensión de lo que está sucediendo y lo que significan las terminologías y su importancia cuando comencé. Pero lentamente, su cerebro hace un modelo de cuáles son las cosas que importan.
- ¿Qué es el algoritmo de agrupación de Markov?
- ¿Qué formación matemática se necesita para aprender Deep Learning?
- ¿Qué es la agrupación de datos?
- Con respecto al descenso de gradiente funcional, ¿qué significa minimizar un funcional con respecto a una función? Proporcione un ejemplo claro.
- ¿Cuál es la mejor GPU que se utilizará para Deep Learning con presupuesto (> 400 $)?
Después de eso tomé MOOCs en Deep Learning y todo comenzó a tener sentido. Algunas partes que antes consideraba que eran Cajas Negras por conveniencia antes, comenzaron a volverse transparentes y lentamente comprenderías y sería difícil relacionarlas con lo que está sucediendo. Es relativamente un campo nuevo y en evolución, así que tenga paciencia y manténgase enganchado a él.