Como alguien que coqueteó con la idea de tomar los cursos de Hinton, te sugiero que lo omitas. Andrew Ng ofrece una muy buena introducción al paradigma de las redes neuronales en su curso. Si también ha realizado el proyecto MNIST, olvídese del curso de Hinton. Ir directamente al aprendizaje profundo. Podrás entender. La razón por la que no recomiendo el curso de Hinton (a pesar de que es El Padrino de las redes neuronales) es que es intensamente teórico, matemáticamente abrumador y sería una buena historia de sueño justo después de que haya almorzado. No es que sea aburrido, es solo su forma de enseñar. Si le apasionan las matemáticas muy exhaustivas que rigen las redes neuronales y el concepto de aprendizaje, continúe y pruébelo. Pero ese tiempo de riesgo se dedica mejor cuando se usa para el aprendizaje profundo. Como un reemplazo rápido al curso de Hinton, eche un vistazo al siguiente enlace: Redes neuronales y aprendizaje profundo
El autor, estudiante de LeCunn, ofrece algunas ideas hermosas que son muy prácticas para comprender las NN. Ahora, si este material está hecho, mire estos materiales: CS231n Redes neuronales convolucionales para el reconocimiento visual.
¡Felicidades! Te has graduado de NNs en Deep Learning. Ahora no hay más orientación. Puede hacerlo y explorar más por su cuenta.
- ¿Cómo debemos medir la inteligencia humana? ¿Puede una computadora ser más sabia que los seres humanos?
- ¿Crees que alcanzaremos The Singularity para 2029?
- ¿Qué opina de la posibilidad de reemplazar los principales roles gubernamentales con IA?
- ¿Quién es pionero actualmente en el campo de la IA? ¿Cuándo podemos esperar un gran avance?
- ¿Desde dónde comienzo el aprendizaje automático?
Feliz aprendizaje \ U0001f60a