¿Vale la pena seguir la EM para aprender Machine Learning?

¡Absolutamente sí!

¿Recuerdas el momento en que acababas de terminar la escuela secundaria y estabas a punto de comenzar tu licenciatura? ¿Por qué elegiste ese grado en particular? ¿Por qué no ingeniería general u otra cosa?

La respuesta es simple: elegiste seguir algo en lo que deseas trabajar, aquello en lo que querías hacer carrera, algo que te apasionaba muchísimo. Es lo mismo con los títulos de posgrado. La obtención de un título de posgrado en su materia de elección, le permite afilar la cuchilla de su conocimiento, reclamar su pasión y renunciar a sí mismo de acuerdo con los estándares industriales actuales. Si bien uno puede discutir sobre su ROI en comparación con los cursos en línea, recuerde las ventajas que ofrece. Acceso a una gran cantidad de libros en las inmensas bibliotecas, capacidad para aprender muchas más materias, acceso a expertos en el tema y acceso a industrias solo por nombrar algunos.

En lo que respecta a las API … aprender a usar una API no es realmente una gran cosa para hacer o reunir, sin embargo, aprender cómo funciona la API ‘detrás de escena’ es la clave real de su utilidad. Entonces, sí, aprender los conceptos básicos de ML es un enfoque mucho más utilitario que aprender a usar sus API.

Por lo tanto, busque un título de posgrado y aprenda ML, en lugar de obtener un título de nano o aprender las API. Porque nanodegree es lo que es, un nano grado. Refuerza su perfil, pero no causa mucha diferencia (en mi opinión). Y las API están diseñadas para ser reemplazadas. De hecho, en lugar de optar por MS en ML, intente MS en CS / MS en ECE con especialización en IA para que tenga un alcance más amplio de aplicación de su título.

Cheerio!

NO, en la actualidad, todo está disponible en línea, puede completar algunos cursos de certificación e intentar obtener un trabajo de aprendizaje automático. Algunas personas también están tratando de completar el MS en el aprendizaje automático, pero antes de completar su educación, alguien que aprende ML en línea, puede obtener buenas oportunidades de trabajo con un gran paquete en las multinacionales.

Las empresas necesitan educación mínima, pero no necesitan educación superior, pero necesitan talento. [Puede que algunas veces necesiten calificación educativa].

Entonces, mi sugerencia es Aprender Machine Learning en línea y participar en competencias y comunidades en línea. Mejore su conocimiento y relación. ir al siguiente nivel.

Puedo sugerirle los mejores cursos en línea de aprendizaje automático:

• Machine Learning AZ ™: Python práctico y R en ciencia de datos [Recomendado]
• Python for Data Science y Machine Learning Bootcamp

Prefiero el primer plato …

De este curso puedes aprender sobre:

Este curso es divertido y emocionante, pero al mismo tiempo nos sumergimos profundamente en Machine Learning. Está estructurado de la siguiente manera:

• Parte 1: preprocesamiento de datos
• Parte 2: Regresión: Regresión lineal simple, Regresión lineal múltiple, Regresión polinómica, SVR, Regresión de árbol de decisión, Regresión forestal aleatoria
• Parte 3 – Clasificación: Regresión logística, K-NN, SVM, Kernel SVM, Naive Bayes, Clasificación del árbol de decisión, Clasificación aleatoria del bosque
• Parte 4 – Agrupación: K-medias, agrupación jerárquica
• Parte 5 – Aprendizaje de reglas de asociación: Apriori, Eclat
• Parte 6 – Aprendizaje de refuerzo: límite de confianza superior, muestreo de Thompson
• Parte 7 – Procesamiento del lenguaje natural: modelo de bolsa de palabras y algoritmos para PNL
• Parte 8 – Aprendizaje profundo: redes neuronales artificiales, redes neuronales convolucionales
• Parte 9 – Reducción de dimensionalidad: PCA, LDA, Kernel PCA
• Parte 10 – Selección y refuerzo del modelo: validación cruzada k-fold, ajuste de parámetros, búsqueda de cuadrícula, XGBoost

Además, el curso está repleto de ejercicios prácticos basados ​​en ejemplos en vivo. Entonces, no solo aprenderá la teoría, sino que también obtendrá práctica práctica para construir sus propios modelos.

Y como beneficio adicional, este curso incluye plantillas de código Python y R que puede descargar y usar en sus propios proyectos.

Cursos adicionales en línea para ML:

• Bootcamp de ciencia de datos y aprendizaje automático con R
• principiante a avanzado: aprendizaje automático y redes neuronales

Libros sugeridos para ML (solo con fines de referencia):

• Python Machine Learning: Machine Learning y Deep Learning con Python, nd TensorFlow, 2da edición por Sebastian Raschka y Vahid Mirjalili
• Aprendizaje automático: algoritmos fundamentales para el aprendizaje supervisado y no supervisado con aplicaciones del mundo real por Joshua Chapmann

Sí lo es. La mayoría de los científicos de datos o ingenieros de aprendizaje automático requerirán uno para los primeros profesionales. También te da algo de tiempo para trabajar en investigación y aplicaciones prácticas de aprendizaje automático, lo que debería darte una cartera sustancial cuando termines el grado.

Esta es una gran pregunta. Si puede ingresar a una escuela superior, la profundidad obtenida de un MS en CS con una especialización en AI / ML vale la pena.

La teoría es importante para ganar perspectiva en lugar de utilizar X, Y o Z sin entender qué está haciendo o cómo analizar el rendimiento.

Quora está plagada de preguntas sobre los dos últimos.