Aquí hay muchas buenas respuestas, pero para ser sincero, responden una pregunta muy general sobre dónde alguien puede aprender Machine Learning. Si esa era la pregunta, sus respuestas son todas precisas y, además, para los amantes de las matemáticas hay un curso muy detallado de Caltech Learning From Data – Curso en línea (MOOC). Si bien puede obtener una introducción de alto nivel al aprendizaje automático en muchas fuentes excelentes, pero para aquellos guerreros que desean aprender las matemáticas detrás de los algoritmos de Aprendizaje automático y Aprendizaje automático, este curso brinda la introducción necesaria.
Volviendo a la pregunta, si significa aprender nuevos algoritmos, es una pregunta bastante vaga. Una forma poco apreciada de aprender cosas nuevas es leer literatura. Lea las formulaciones de problemas y cómo se han acercado ciertos trabajos (autores) para resolver un problema dado. Así es como puede encontrar algunos algoritmos brillantes de Machine Learning.
Para empezar, puedes ir a Kaggle [1] y ver varias competiciones / conjuntos de datos (formulaciones de problemas) en las que hemos trabajado muchos entusiastas como tú y yo.
- ¿Los mismos algoritmos dan resultados diferentes en diferentes paquetes / idiomas?
- Cómo demostrar que el camino más corto posible entre dos puntos es una línea recta
- ¿Cómo demostró Alan Turing que solo seis operaciones primitivas se pueden usar para realizar cualquier operación matemática?
- Cómo implementar un algoritmo C4.5 usando MATLAB
- En la industria, ¿con qué frecuencia se usa el algoritmo de compresión Lempel-Ziv-Welch?
Puede seguir a científicos e investigadores de datos populares en Twitter o en cualquier otra plataforma para seguir en qué están trabajando actualmente. Tome esos temas, regrese y busque más literatura en dichos temas. Utilice Google Scholar [2] para buscar trabajos de investigación.
O puede encontrar grandes empresas como Netflix [3], Yelp [4], Zillow [5] y otras que organizan sus propias competiciones, lo que a su vez ha llevado a los investigadores a crear algoritmos innovadores que impulsan la precisión. Puede encontrar muchos algoritmos excelentes allí, pero la desventaja es que estos algoritmos pueden funcionar bien solo para problemas relacionados / conjunto de datos.
Notas al pie
[1] Tu hogar para la ciencia de datos
[2] http://scholar.google.com
[3] Premio Netflix: Inicio
[4] Conjunto de datos de Yelp
[5] Premio Zillow