Deep Learning es una nueva área de investigación de Machine Learning, que se ha introducido con el objetivo de acercar el Machine Learning a uno de sus objetivos originales
no puedes comenzar y hacer grandes progresos en el aprendizaje automático y el aprendizaje profundo sin ser fuerte en matemáticas. Este puede ser el camino del técnico de principiante a intermedio que está aprendiendo las matemáticas requeridas para una técnica, justo a tiempo.
- ¿Cuál es el mejor enfoque para construir un sistema de clasificación basado en la clasificación de otros?
- ¿Cuáles son algunas aplicaciones del aprendizaje automático para la ciencia ambiental y la ingeniería ambiental?
- ¿Qué son los núcleos de difusión?
- Aprendizaje automático: ¿es el enfoque descrito a continuación una buena forma de evaluar la calidad de las recomendaciones basadas en comentarios implícitos?
- ¿Cuáles son algunos de los problemas abiertos más importantes en el aprendizaje automático en este momento?
Los conocimientos de matemáticas lo llevarán a comprender cómo funciona realmente esa técnica y qué está haciendo. Puede dibujar imágenes del flujo de datos y las transformaciones, pero eventualmente, deberá internalizar el vector o las transformaciones que están ocurriendo.
Aprendizaje de matemáticas dependiendo del nivel e interés del individuo. Se están realizando investigaciones en fórmulas matemáticas y avances teóricos del aprendizaje automático y algunos investigadores están trabajando en técnicas más avanzadas.
Los temas matemáticos importantes necesarios para el aprendizaje profundo y el aprendizaje automático son:
1. álgebra
2. probabilidad
3. estadísticas
4. cálculo
Hay muchas otras cosas que puede saber sobre este aprendizaje profundo. En primer lugar, puede ingresar a algunos cursos en línea que lo ayudan a guiar el aprendizaje profundo. Es bueno para la comprensión básica de algunos de los conceptos fundamentales básicos.
Mi mejor sugerencia es mejor pasar por algunos cursos en línea:
Es bueno para la comprensión básica de algunos de los conceptos fundamentales básicos.
Te sugeriré los mejores cursos en línea que te ayudan a:
· Deep Learning AZ ™: redes neuronales artificiales prácticas
De este curso puedes aprender sobre:
· Comprender la intuición detrás de las redes neuronales artificiales
· Aplicar redes neuronales artificiales en la práctica
· Comprender la intuición detrás de las redes neuronales de convolución
· Aplicar redes neuronales de convolución 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 los codificadores automáticos
· Aplicar codificadores automáticos en la práctica
Hay muchos otros cursos en línea que toma después de que este se menciona a continuación:
Cursos adicionales:
· Procesamiento de lenguaje natural con aprendizaje profundo en Python
· Zero to Deep Learning ™ con Python y Keras
De estos cursos puede aprender brevemente sobre las técnicas de aprendizaje profundo junto con
Recursos matemáticos y práctica para implementarlos y hacer que trabajen para usted.
También puede tomar la ayuda de algunos libros de texto …
Los libros recomendados para el aprendizaje profundo son: (solo con fines de referencia)
· Aprendizaje profundo (serie de computación adaptativa y aprendizaje automático) por Ian Goodfellow y Yoshua Bengio y Aaron Courville
· Aprendizaje profundo: el enfoque de un practicante por Josh Patterson y Adam Gibson
· 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……………
