Sería una gran idea si comienzas tu pasión por el aprendizaje automático con sus facetas aplicadas primero. Quizás tome primero algunos cursos en línea sobre Aprendizaje Automático Aplicado o tome un curso de visión por computadora e investigue primero con profesores en un campo de aprendizaje automático aplicado. A veces, para empezar, es mejor tener una idea de lo genial que es realmente ML y luego ensuciarse las manos con todos los detalles esenciales del aprendizaje automático teórico para poder apreciar ML. Te sugiero el curso gratuito de “introducción al aprendizaje automático” de Udacity como iniciador, así como el curso de “visión por computadora” de udacity. Ambos cursos son divertidos de seguir y son impartidos por algunos de los mejores instructores de la academia y la industria. Además, muchas escuelas en los EE. UU. Tienen programas de becas de investigación de pregrado cuando los estudiantes de posgrado o el personal de investigación de su universidad son mentorados. Además, cada verano puede postularse para las escuelas de verano y obtener actividades prácticas sobre su interés de investigación. Casi todas las mejores escuelas tienen esta oportunidad de investigación de verano, así como muchas compañías que tienen puestos especiales para estudiantes de primer y segundo año. Además, suscríbase a la lista de correo de CRA y consulte su sitio web para conocer sus oportunidades de verano para investigadores universitarios.
Además, a menos que haya tomado cursos de inteligencia artificial y estadística primero, no le sugiero que tome un curso de aprendizaje automático en su escuela. Tendría que tener una buena comprensión del cálculo subyacente, la combinatoria y la teoría de la probabilidad, que supongo que ha tomado tales cursos en su escuela secundaria o primer año.
Otra buena idea es trabajar en competencias ya resueltas en el sitio web de kaggle. El desafío titánico personalmente encontrado es muy bueno y también cubre algunos de los detalles sobre el gran subcampo del procesamiento del lenguaje natural (PNL).
- ¿Cuál es una mejor manera de comenzar a aprender Ciencia de Datos, a través de cursos en línea o en un Instituto de capacitación?
- ¿Con qué empiezo, minería de datos, inteligencia artificial o aprendizaje automático?
- En Tensorflow: ¿qué tipo de red neuronal debo usar?
- ¿Cuándo se deben usar modelos generativos y no modelos discriminativos?
- En una red neuronal, ¿cómo podemos resolver (o limitar) el problema de la saturación de las neuronas?