Mi recomendación personal es que comiences con los conceptos básicos de las redes neuronales y lo más importante, que entiendas bien las aplicaciones.
Un curso que me gusta es el siguiente:
CS224n: Procesamiento de lenguaje natural con aprendizaje profundo
- ¿Cuál es la mejor manera de normalizar los datos implícitos para un sistema de recomendación de música mediante el filtrado colaborativo?
- ¿Es fácil entrenar un modelo de red neuronal profunda desde cero usando Keras?
- Para un puesto de ciencia de datos, ¿por qué las empresas hacen preguntas sobre la estructura de datos?
- ¿Funcionaría la búsqueda de 'colocaciones' de orden superior?
- ¿Qué tipo de proyectos de aprendizaje automático puedo hacer? ¿Qué libros me recomiendan aprender? Estoy interesado en usar Python.
Otro para la visión por computadora:
CS231n: redes neuronales convolucionales para el reconocimiento visual
Para la mayoría de las personas, esto te llevará MUY LEJOS y aún te dará mucha información.
Si desea profundizar (en cuanto a fundamentos y lo que aparentemente es el futuro), entonces, sí, el aprendizaje de refuerzo (profundo o no) es el siguiente nivel.
Pero personalmente lo veo de la siguiente manera. ‘Quiero aprender ciencia de datos, ¿debería aprender teoría estadística o regresión?’ . ¿Has jugado con algún tipo de regresión? ¿O incluso adquirió intuición con el análisis exploratorio de datos? En tal contexto, la teoría es probablemente para personas más orientadas a la investigación o para aquellos que ya tienen una comprensión.
El aprendizaje de refuerzo requiere mucha matemática y no creo que puedas aprender tanto de un curso a menos que tengas todos los requisitos previos (esencialmente significa que eres un estudiante graduado en el área).
