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.