¿Completar el curso en línea TensorFlow me ayudará a conseguir un concierto en los campos del aprendizaje profundo / automático?

Siento que el último recurso agregado al campo recientemente es bastante robusto. Aqui esta el link-

Aprendizaje profundo con aplicaciones que usan Python: Chatbots y reconocimiento de rostro, objetos y voz con TensorFlow y Keras: Navin Kumar Manaswi: 9781484235157: Amazon.com: Libros

Un extracto aquí:

“Dado que el mundo se está enfocando en la Inteligencia Artificial de una forma u otra, el Aprendizaje Profundo como el mejor componente de la Inteligencia Artificial tomará el centro del escenario. Deep Learning hace un trabajo maravilloso en el reconocimiento de patrones, especialmente en el contexto de imágenes, sonido, habla, lenguaje y datos de series de tiempo.

Cuando hablamos de Deep Learning, es probable que discutamos los mejores marcos para el desarrollo de Deep Learning. Afortunadamente, en noviembre de 2015, Google lanzó Tensorflow, marco de aprendizaje profundo, que se ha utilizado en la mayoría de los productos de Google, como la búsqueda de Google, la detección de spam, el reconocimiento de voz, Google Allo, Google Now y Google Photos.

Tensorflow permite el paralelismo de modelos y el paralelismo de datos. TensorFlow proporciona múltiples API. El API de nivel más bajo, TensorFlow Core, le proporciona un control de programación completo ”.

Creo que estará familiarizado con el aprendizaje profundo, pero no con el aprendizaje automático. El aprendizaje profundo es solo un tipo de método en el aprendizaje automático, y existen otras metodologías.

El aprendizaje automático consta de dos métodos principales: aprendizaje automático supervisado y aprendizaje automático no supervisado. El aprendizaje automático supervisado es donde tiene datos de destino para predecir o clasificar a partir de sus datos de entrada. El aprendizaje profundo es uno de esto. Al igual que el tutorial MNIST de TensorFlow, utiliza datos de imágenes de números para clasificar cuál es el número. Los datos de entrada para el entrenamiento tienen datos de número objetivo, que es la respuesta para la clasificación. Por el contrario, el aprendizaje automático no supervisado no tiene datos objetivo. Intenta encontrar una tendencia dentro de los datos de entrada, hacer un clúster o reducir la dimensionalidad. El aprendizaje profundo no se refiere al aprendizaje automático no supervisado, pero esta es una de las metodologías importantes del aprendizaje automático completo.

Le daría una comprensión de alto nivel / ingenua del aprendizaje automático. Yo recomendaría ir a algunos cursos universitarios. Uno de los más comunes es el curso de Andrew Ng sobre Coursera. Es increíble al explicar que el aprendizaje automático es simplemente matemática. Siga su curso y comprenda cada detalle. Luego, realice otros cursos (Curso de redes neuronales en curso de Geoffrey Hinton, introducción del MIT al aprendizaje profundo). Después de terminar estos cursos y mucha práctica, tendrá una gran comprensión del aprendizaje automático que puede implementar utilizando cualquier biblioteca de alto nivel. Entonces puede tomar MOOC de tensorflow y aprender a implementar lo que aprendió en tensorflow. También recomiendo leer algunos artículos de investigación sobre algunos modelos diferentes (stackGan es realmente interesante)