¡Aprendizaje automático y aprendizaje profundo con furia! De repente, todos hablan de ellos, ¡independientemente de si comprenden las diferencias o no! Si ha estado siguiendo activamente la ciencia de datos o no.
El aprendizaje profundo es un tipo particular de aprendizaje automático que logra un gran poder y flexibilidad al aprender a representar el mundo como una jerarquía anidada de conceptos, con cada concepto definido en relación con conceptos más simples y representaciones más abstractas calculadas en términos de conceptos menos abstractos.
- ¿Desde dónde comienzo el aprendizaje automático?
- ¿Se puede aprender AI en lenguaje C?
- ¿Cuál es una explicación intuitiva de cómo funciona la atención en el aprendizaje profundo?
- ¿Qué es la superinteligencia?
- ¿Cómo son los FPGA mejores que la tecnología anterior en redes neuronales o IA?
Lo siguiente que me gustaría decirle a alguien es que aprendan ML y DL. El aprendizaje de máquinas es una combinación de matemáticas y ciencia de datos y depende de las aspiraciones matemáticas. El aprendizaje profundo es parte de un aprendizaje automático. Por lo tanto, es necesario aprender tanto el ML y DL .moreover que necesita comenzar con ML más tarde para pasar a DL para obtener un conocimiento profundo.
Puede probar diferentes cursos en línea para comprender el aprendizaje automático y el aprendizaje profundo en un período corto.
Cursos online:
· Deep Learning AZ ™: redes neuronales artificiales prácticas
· Procesamiento de lenguaje natural con aprendizaje profundo en Python
Puedes elegir el primer curso:
De esto puedes aprender;
· Comprender la intuición detrás de las redes neuronales artificiales
· Aplicar redes neuronales artificiales en la práctica
· Comprender la intuición detrás de las redes neuronales convolucionales
· Aplicar redes neuronales convolucionales en la práctica
· Comprender la intuición detrás de las redes neuronales recurrentes
· Aplicar redes neuronales recurrentes en la práctica
· Comprender la intuición detrás de los mapas autoorganizados
· Aplicar mapas autoorganizados en la práctica
· Comprender la intuición detrás de las máquinas Boltzmann
· Aplicar máquinas de Boltzmann en la práctica
· Comprender la intuición detrás de AutoEncoders
· Aplicar AutoEncoders en la práctica
Hay algunos cursos adicionales más:
· Bootcamp de ciencia de datos y aprendizaje automático con R
· Principiante a avanzado – aprendizaje automático y redes neuronales
El concepto de aprendizaje profundo no es nuevo. Ha existido por un par de años ahora. Pero hoy en día con todo el entusiasmo, el aprendizaje profundo está recibiendo más atención. Como lo hicimos en Machine Learning
El aprendizaje profundo funciona de la siguiente manera :
- Primero identifica cuáles son los bordes que son más relevantes para descubrir un gato o un perro
- Luego se basa en esto jerárquicamente para encontrar qué combinación de formas y aristas podemos encontrar. Por ejemplo, si los bigotes están presentes, o si las orejas están presentes, etc.
- Después de la identificación jerárquica consecutiva de conceptos complejos, decide cuál de estas características es responsable de encontrar la respuesta.
Comparto mis puntos de vista sobre cómo progresaría el aprendizaje automático y el aprendizaje profundo en el futuro .
- En primer lugar, al ver la tendencia creciente de utilizar la ciencia de datos y el aprendizaje automático en la industria, será cada vez más importante para cada empresa que quiera sobrevivir inculcar el aprendizaje automático en su negocio. Además, se esperaría que cada individuo conozca las terminologías básicas.
- El aprendizaje profundo nos sorprende todos los días, y continuará haciéndolo en el futuro cercano. Esto se debe a que Deep Learning está demostrando ser una de las mejores técnicas que se descubrirán con actuaciones de última generación.
- La investigación es continua en Machine Learning y Deep Learning. Pero a diferencia de años anteriores, donde la investigación se limitaba a la academia, la investigación en Machine Learning y Deep Learning está explotando tanto en la industria como en la academia. Y con más fondos disponibles que nunca, es más probable que sea una nota clave en el desarrollo humano en general.
También puedes algunos libros de texto:
Libros de texto sugeridos:
· Aprendizaje profundo: el enfoque de un practicante por Josh Patterson y Adam Gibson
· Fundamentos del aprendizaje profundo: diseño de algoritmos de inteligencia artificial de próxima generación por Nikhil Buduma y Nicholas Locascio
· Fundamentos del aprendizaje automático para el análisis predictivo de datos: algoritmos, ejemplos trabajados y estudios de casos (MIT Press) por John D. Kelleher y Brian Mac Namee y Aoife D’Arcy
TODO LO MEJOR……………