El aprendizaje automático es una aplicación de inteligencia artificial (IA) que proporciona a los sistemas la capacidad de aprender y mejorar automáticamente a partir de la experiencia sin ser programado explícitamente. El aprendizaje automático se centra en el desarrollo de programas informáticos que pueden acceder a los datos y utilizarlos para aprender por sí mismos.
Asegúrese de trabajar con cada uno de ellos para el aprendizaje automático:
- ¿Cuáles son las ventajas y desventajas de utilizar Google App Engine y Heroku en este momento?
- ¿La ley de Moore está a punto de morir?
- Calcular la derivada utilizando la definición de límite. ¿Hay una forma menos compleja de resolver este problema?
- ¿Cuáles son algunos problemas computacionales que son 'inherentemente secuenciales' y que no pueden acelerarse significativamente usando paralelismo?
- ¿Qué son las computadoras cuánticas y cómo funcionan?
· Estadísticas
· Álgebra lineal
· Cálculo
· Probabilidad
· Programación – Programación Python y R
También puede pasar por algunos cursos en línea de aprendizaje automático:
Puedo sugerirle los cursos en línea de aprendizaje automático:
· Machine Learning AZ ™: Python práctico y R en ciencia de datos
Y aquí está el mejor y más utilizado curso en línea:
De esto puedes saber sobre:
Este curso es divertido y emocionante, pero al mismo tiempo se sumerge 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.
Algunos cursos más en línea de aprendizaje automático:
· Bootcamp de ciencia de datos y aprendizaje automático con R
· Aprendizaje automático para ciencia de datos
Libros de texto sugeridos para el aprendizaje automático: (solo con fines de referencia)
· Python Machine Learning: Machine Learning y Deep Learning con Python, scikit-learn y TensorFlow, segunda edición de Sebastian Raschka y Vahid Mirjalili
· Aprendizaje automático: algoritmos fundamentales para el aprendizaje supervisado y no supervisado con aplicaciones del mundo real por Joshua Chapmann
TODO LO MEJOR………………