¿Cómo aprendo el aprendizaje automático y dónde puedo practicarlo?

Hay un curso de Machine Learning en Coursera Creado por: Stanford University.

El curso es impartido por Andrew Ng, cofundador de Coursera; Profesor Adjunto, Universidad de Stanford; ex jefe de Baidu AI Group / Google Brain.

Cómo estudiar el aprendizaje automático mientras se construye una cartera
Mi algoritmo de ML, escrito en Python, está casi completo. Quiero que sea un sitio web. ¿Cuál es la mejor manera de conectar mi script Python a Meteor?
Cómo medir cómo suenan dos señales similares
¿En qué se diferencia exactamente la generación del lenguaje natural de la comprensión del lenguaje natural?
¿Por qué los diseñadores o los PM deben aprender sobre el aprendizaje automático?

Andrew Ng es un gran instructor con una gran cantidad de conocimiento en este campo.

Acerca de este curso: el aprendizaje automático es la ciencia de hacer que las computadoras actúen sin ser programadas explícitamente. En la última década, el aprendizaje automático nos ha brindado autos autónomos, reconocimiento de voz práctico, búsqueda efectiva en la web y una comprensión enormemente mejorada del genoma humano. El aprendizaje automático es tan generalizado hoy que probablemente lo use docenas de veces al día sin saberlo. Muchos investigadores también piensan que es la mejor manera de avanzar hacia la IA a nivel humano. En esta clase, aprenderá sobre las técnicas de aprendizaje automático más efectivas, y obtendrá práctica para implementarlas y hacer que trabajen por usted mismo. Más importante aún, aprenderá no solo sobre los fundamentos teóricos del aprendizaje, sino que también obtendrá los conocimientos prácticos necesarios para aplicar estas técnicas de manera rápida y poderosa a nuevos problemas. Finalmente, aprenderá sobre algunas de las mejores prácticas de innovación de Silicon Valley en lo que respecta al aprendizaje automático y la inteligencia artificial.

Este curso proporciona una amplia introducción al aprendizaje automático, la minería de datos y el reconocimiento de patrones estadísticos. Los temas incluyen: (i) Aprendizaje supervisado (algoritmos paramétricos / no paramétricos, máquinas de vectores de soporte, núcleos, redes neuronales). (ii) Aprendizaje no supervisado (agrupamiento, reducción de dimensionalidad, sistemas de recomendación, aprendizaje profundo). (iii) Mejores prácticas en aprendizaje automático (teoría del sesgo / varianza; proceso de innovación en aprendizaje automático y IA). El curso también se basará en numerosos estudios de casos y aplicaciones, para que también aprenda a aplicar algoritmos de aprendizaje para construir robots inteligentes (percepción, control), comprensión de texto (búsqueda web, antispam), visión por computadora, informática médica. , audio, minería de bases de datos y otras áreas.

¡Hola! Soy Nikhil Suwalka

Puedes seguirme para más como este.

AprendizajeAprendizaje automáticoinformáticaInteligencia Artificial

¿Cómo puedo usar una red neuronal de convolución (para reconocimiento facial) después del entrenamiento? Quiero darle una cara como entrada y ver la salida predicha.

¿Es el análisis de sentimientos todo sobre lingüística?

¿Qué es la minimización alterna en la optimización convexa?

Teoría de la complejidad computacional: ¿Qué es un problema NP difícil?

¿Cuáles son los requisitos previos para aprender Machine Learning?

¿Por qué sigo quedando sin espacio en disco?

Es mejor aprender el aprendizaje automático en línea. En línea hay varios cursos en línea de aprendizaje automático, es mejor tomar cualquier persona.

Te sugiero los mejores cursos en línea de aprendizaje automático en línea

Machine Learning AZ ™: Python práctico y R en ciencia de datos

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.

Todo lo mejor.

Cursos relevantes :

Ciencia de datos y aprendizaje automático con Python: ¡manos a la obra!
Bootcamp de ciencia de datos y aprendizaje automático con R

Nikhil Suwalka

Comience aquí con el aprendizaje automático: dominio del aprendizaje automático [1]

La pregunta más común que me hacen es: “ ¿Cómo empiezo? ”

Mi mejor consejo para comenzar con el aprendizaje automático se divide en un proceso de 5 pasos:

Paso 1 : ajustar la mentalidad . Cree que puedes practicar y aplicar el aprendizaje automático.

¿Qué lo está deteniendo de sus objetivos de aprendizaje automático?

¿Por qué entrar en el aprendizaje automático?

Encuentra tu tribu de aprendizaje automático

Paso 2 : elige un proceso . Use un proceso sistémico para resolver problemas.

Proceso de aprendizaje automático aplicado

Paso 3 : elige una herramienta . Seleccione una herramienta para su nivel y asignela a su proceso.

Principiantes: Weka Workbench.

Intermedio: Python Ecosystem.

Avanzado: Plataforma R.

El mejor lenguaje de programación para el aprendizaje automático

Paso 4 : Practica en conjuntos de datos . Seleccione conjuntos de datos para trabajar y practicar el proceso.

Practique el aprendizaje automático con pequeños conjuntos de datos en memoria

Recorrido por los problemas del aprendizaje automático en el mundo real

Trabaja en problemas de aprendizaje automático que te importan

Paso 5 : crear una cartera . Reúne resultados y demuestra tus habilidades.

Cree una cartera de aprendizaje automático

Pague para aplicar Machine Learning

Aprendizaje automático por dinero