Creo que está bien, le recomiendo que lea esta página sobre el aprendizaje profundo en Python.
Este tipo, Jason Brownlee, explicó que puede lograr resultados de vanguardia con tan pocos requisitos, y que se necesitaría una educación completa para que alguien comprenda todos los conceptos matemáticos detrás de todas estas teorías.
Aquí está la MANERA INCORRECTA de comenzar en el aprendizaje profundo
- ¿Cuál es la mejor manera de crear un conjunto de capacitación para el aprendizaje automático?
- ¿Cuáles son algunos problemas de aprendizaje automático que están más allá del poder de scikit-learn para resolver?
- ¿Qué tipos de algoritmos de aprendizaje automático se utilizan para resolver algunos problemas populares del mundo real?
- Hay muchas distribuciones de probabilidad presentes en las estadísticas, ¿cómo debería uno usarlas? En general, veo personas que usan distribución gaussiana en algoritmos de aprendizaje automático.
- ¿Cuáles son los fundamentos programáticos del procesamiento del lenguaje natural?
Por ejemplo, una respuesta común a la pregunta ” ¿Cómo empiezo en el aprendizaje profundo ” podría ser:
- Desarrolle una base sólida en estadística, probabilidad, álgebra lineal, estadística multivariada y cálculo.
- Desarrolle un profundo conocimiento de los modernos algoritmos y técnicas de aprendizaje automático.
- Estudia y conviértete en uno con la teoría matemática de cada algoritmo de aprendizaje profundo y un montón de técnicas relacionadas para usarlos.
- Ah, y si hay tiempo, encuentre una biblioteca y comience a aplicar el aprendizaje profundo a su problema.
Podría llevar una década o más seguir este consejo y eso sería un retraso de una década que no puede permitirse.
Entonces también explica la forma correcta de hacerlo:
El aprendizaje profundo es una herramienta que puede usar en sus proyectos de aprendizaje automático. No tiene que ser una búsqueda académica teórica que estudies con gran detalle.
Puede comenzar el aprendizaje profundo seleccionando una de las mejores bibliotecas de aprendizaje profundo y comenzar a desarrollar modelos.
Para empezar, no comprenderá todos los aspectos internos, pero aprenderá muy rápidamente cómo desarrollar y evaluar modelos de aprendizaje profundo para una variedad de problemas de aprendizaje automático. Y comience a entregar valor. Ah, y como puede sospechar, es probable que nunca necesite comprender todas las partes internas para obtener excelentes resultados.
El secreto mejor guardado del aprendizaje profundo (e incluso el aprendizaje automático más amplio) es que el lado aplicado es bastante superficial. No le llevará mucho tiempo poder comenzar a utilizar las herramientas de manera bastante experta en sus propios proyectos.
La advertencia es que debe aportar un poco de rigor en términos de proceso para asegurarse de que sus resultados sean sólidos (por ejemplo, un diseño cuidadoso del arnés de prueba) y que sus soluciones sean adecuadas para los problemas que está resolviendo (por ejemplo, un encuadre cuidadoso del problema).
Este tipo de hecho quiere vender su libro, así que debes ser objetivo al leer eso, pero aún así, es un punto de vista muy interesante. Disfruta leyendo, espero que ayude
