¡Hay más en el aprendizaje automático y la ciencia de datos que la regresión!
Suponiendo que tiene la idea de la regresión lineal y logística y cómo funcionan para obtener predicciones, ¡ahora puede pasar a implementarlas en el lenguaje de programación que elija!
Tome algún problema de regresión, ya sea de Kaggle o de muchas otras plataformas que albergan competencias de ciencia de datos, o simplemente tome un conjunto de datos de un repositorio en línea como UCI Machine Learning Repository y divídalo en partes de capacitación y prueba e implemente un modelo de regresión en ellos. Analice su resultado, vea cómo mejorar la precisión, descubra los ajustes para mejorar su predicción y aplique todo este conocimiento nuevamente.
- Yoshua Bengio: ¿Será el aprendizaje profundo un paso hacia la IA consciente?
- ¿Cuál es el papel de la informática en el aprendizaje automático?
- ¿Cómo se usa el aprendizaje automático en física?
- ¿Cuáles son buenos recursos para aprender sobre la ejecución distribuida en redes neuronales profundas (MPI, allreduce, etc.)?
- Cómo aplicar el aprendizaje automático a la realidad virtual / aumentada
Ahora ha aprendido cómo aplicar realmente la regresión en los datos y obtener predicciones. Ahora puede pasar a otros algoritmos de aprendizaje automático como árboles de decisión, máquinas de vectores de soporte, Bayes ingenuas y técnicas de conjunto como bosques aleatorios, técnicas de refuerzo, etc. e intentar implementarlas de la misma manera.
¡En mi opinión, esta es la mejor manera de aprender el aprendizaje automático y la ciencia de datos!
PD: Obviamente, necesitarías aprender técnicas como la limpieza de datos, la manipulación y manipulación de datos junto con estas cosas, ¡lo cual es una gran ventaja! 🙂
