En primer lugar, quiero convencerte de que 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.
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.
- Cómo diseñar una red neuronal para predecir la rutina diaria de un usuario
- ¿Qué es un 'descriptor' en el contexto de una transformación de característica invariante de escala (SIFT)?
- ¿Qué debo leer para desarrollar un rastreador web que raspe un subconjunto de Internet y me brinde los enlaces de los sitios web que son tiendas de abarrotes?
- En Machine Learning: ¿por qué siempre entrenamos una muestra en lugar de todo el conjunto de datos / base de datos?
- ¿Cuáles son los mejores algoritmos de aprendizaje sin supervisión para la corrección ortográfica?
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.
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
En este curso resolveremos seis desafíos del mundo real:
· Redes neuronales artificiales para resolver un problema de abandono de clientes
· Redes neuronales de convolución para el reconocimiento de imágenes
· Redes neuronales recurrentes para predecir precios de acciones
· Mapas autoorganizados para investigar el fraude
· Máquinas de Boltzmann para crear un sistema de recomendación
· Codificadores automáticos apilados * para asumir el desafío del premio de $ 1 millón de Netflix
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 puedes aprender;
Brevemente sobre las técnicas de aprendizaje profundo y aprendizaje automático junto con los recursos matemáticos y adquiera práctica para implementarlas y hacer que trabajen para usted. Puede construir una intuición empírica de qué métodos usarlos. También puede aprender suficiente álgebra para poder leer descripciones de algoritmos y convertirlas en código.
Puedes aprender las pocas o tantas matemáticas que quieras, justo a tiempo. Concéntrese en sus puntos fuertes y sea honesto sobre sus limitaciones.
También puede tomar la referencia de algunos libros de texto:
Libros sugeridos (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
Python Machine Learning: Machine Learning y Deep Learning con Python,
TODO LO MEJOR………..