¿Cuánta programación debe saber alguien antes de entrar en Machine Learning y Data Science?

Hay dos caras del aprendizaje automático: de adentro hacia afuera y de afuera hacia adentro.

De adentro hacia afuera : un enfoque aquí en el modelo matemático del aprendizaje automático. Así es principalmente cómo funciona internamente. Maths & Matlab es suficiente para esto. Principalmente para investigación

De afuera hacia adentro : se trata principalmente del aprendizaje automático para resolver problemas. Hay muchas bibliotecas como scikit, tensorflow [1], etc. Puedes construir el entendimiento de qué usar cuando y estás listo para comenzar. Aquí es donde la industria se centra principalmente. Usar una biblioteca de aprendizaje automático implica integrarlo con alguna aplicación.

La ciencia de datos implica la comprensión y la destilación de datos. Los pandas de Python proporcionan bibliotecas extensas para hacerlo.

Una aplicación continua implicará principalmente hacer ciencia de datos en los datos y luego aplicar aprendizaje automático encima de ellos.

En una cáscara de nuez,

  • Conozca los fundamentos de la programación: comprenda parte funcional de ella como lambda, mapa, etc. en Python.
  • Ir a través de NumPy y Pandas.
  • Comience con la base de aprendizaje automático: regresión, clasificación, agrupación, etc.
  • Ve a implementar algo usando scikit piplene, grid, validación cruzada. Use varias clasificaciones del mismo conjunto de datos para ver resultados diferentes.

Puede hacer un estudio propio de la ciencia de datos, pero asegúrese de tocar todos los componentes mencionados aquí zekeLabs | Aula y formación en línea

Para el aprendizaje automático zekeLabs | Aula y formación en línea

Notas al pie

[1] zekeLabs | Aula y formación en línea

En lo que respecta al aprendizaje automático, puede saltar al aprendizaje automático sin ningún fondo de codificación siempre que tenga un fondo matemático adecuado (estadística, cálculo y álgebra lineal).

Para Data Science, necesitas absolutamente un fondo de codificación. Debe ser competente en Python y / o R. Debe conocer los entresijos de variables, tipos de datos, listas, diccionarios, conjuntos, entrada / salida, flujo de control, funciones, módulos, clases y comprensiones de listas.

Le advierto que no se suba a la máquina, me cansé y rompí la carcasa de mi PC 😀. Si te enojaste, te pido perdón, lo siento. Evolucionado a partir del estudio del reconocimiento de patrones y la teoría del aprendizaje computacional en el aprendizaje automático de inteligencia artificial, explora el estudio y la construcción de algoritmos que pueden aprender y hacer predicciones sobre los datos. Por lo tanto, no necesita tener mucha experiencia en programación, a veces no tiene ningún conocimiento, pero si lo tiene, es una característica adicional para usted, es una ventaja. Pero las matemáticas son lo que más necesitas, más.

El aprendizaje automático y la ciencia de datos dependen del análisis estático, por lo que no queremos tanta programación eG R, Python estos son lenguajes de script y son muy compatibles con estos campos.