No ha brindado demasiada información sobre sus antecedentes o experiencia educativa. Asumiré que tiene una comprensión limitada del aprendizaje automático, pero ha tomado un curso introductorio de estadística.
Hay dos recursos que sugiero:
- MIT The Analytics Edge: similar al curso MIT Sloan, este es un MOOC que se encuentra en edX que cubre algunos de los modelos de predicción y métodos analíticos más comunes utilizados en la actualidad. El curso proporciona instrucción y código para implementar estos modelos en R y las tareas se realizan en R. He incluido un enlace a continuación. El curso es gratuito.
- Introducción al aprendizaje estadístico: este libro proporciona una visión general de los conceptos clave de aprendizaje estadístico en ciencia de datos. El libro también incluye extractos de código en R y preguntas de tarea que se pueden completar en R. También hay un MOOC enseñado por los autores del libro que lo complementa. Si está interesado en un libro matemáticamente más intensivo, puede consultar Elementos de aprendizaje estadístico, que puede considerarse como una versión más rigurosa e integral de Introducción al aprendizaje estadístico (y también incluye tareas y extractos de código en R). He incluido los enlaces a continuación a estos recursos. Todos estos recursos también son gratuitos.
Enlaces:
- ¿Cuáles son las aplicaciones más prácticas (vida cotidiana) del algoritmo de agrupación de k-means? ¿Cómo se ha utilizado exactamente k-means en estas aplicaciones?
- ¿Cuál es la forma más eficiente de ordenar un millón de enteros de 32 bits?
- ¿Qué algoritmo se debe usar para una tesis que tiene al menos tres desventajas que se pueden resolver?
- ¿Por qué el algoritmo ikj es más rápido que el algoritmo ijk para la multiplicación de matrices?
- ¿Qué tan bueno es quicksort y cadenas?
- La ventaja analítica
- Introducción al aprendizaje estadístico
- Curso de Introducción al Aprendizaje Estadístico
- Elementos de aprendizaje estadístico