El éxito comercial generalizado del aprendizaje automático es visible en todas partes, desde Amazon que recomienda qué películas le gustaría ver hasta autos de Google autónomos que pueden distinguir un árbol de un peatón.
ML ha cambiado la forma en que los líderes empresariales basados en datos toman decisiones, evalúan sus negocios, estudian el comportamiento humano y ven el análisis predictivo. Si su organización necesita dar rienda suelta a los beneficios de este campo extraordinario, necesita las mentes correctas: quants y traductores.
Con avances como la computación paralela que es barata, Big Data y algoritmos mejorados, la IA utilitaria es hacia lo que se está moviendo el mundo. La creciente necesidad de manejar grandes cantidades de datos y la cantidad de dispositivos conectados a IoT que definen el mundo actual refuerzan la importancia del aprendizaje automático.
- ¿Cuál fue el problema exacto en Facebook AI que llevó a su cierre?
- Estamos asombrados del progreso en IA (Inteligencia artificial), es decir, hasta que tome nuestro trabajo. ¿Deberíamos aconsejar a quienes se acercan a la universidad que busquen caminos que conduzcan a puestos que sean 'intrínsecamente humanos' y, por lo tanto, seguros? Que trabajos
- Inteligencia artificial: ¿Qué tan útil es la lógica difusa en el diseño de IA?
- ¿Es el NVIDIA Titan X mejor que dos GTX 980 para el aprendizaje profundo?
- ¿Por qué no hay una red neuronal que diseñe redes neuronales personalizadas?
Los siguientes son algunos cursos gratuitos de aprendizaje automático para principiantes:
1. Aprendizaje automático de Andrew Ng
El cofundador de Coursera, Andrew Ng, toma este curso de 11 semanas. Es profesor asociado en la Universidad de Stanford y científico jefe en Baidu. Como clase de aprendizaje automático aplicado , habla sobre las mejores técnicas de aprendizaje automático y reconocimiento de patrones estadísticos, y le enseña cómo implementar algoritmos de aprendizaje.
En términos generales, abarca el aprendizaje supervisado y no supervisado, la regresión lineal y logística, la regularización y Naïve Bayes. Él usa Octave y MatLab. El curso es rico en estudios de casos y aplicaciones prácticas recientes. Se espera que los estudiantes conozcan los conceptos básicos de probabilidad, álgebra lineal y ciencias de la computación. El curso tiene excelentes críticas de los usuarios.
Ir al curso: comenzar a aprender
2. Introducción de Udacity al aprendizaje automático
Como parte del analista de datos de Udacity Nanodegree, este curso de aproximadamente 10 semanas enseña todo lo que necesita saber para manejar conjuntos de datos utilizando técnicas de aprendizaje automático para extraer información útil. Los instructores Sebastian Thrun y Katie Malone esperan que los principiantes conozcan conceptos estadísticos básicos y Python.
Este curso le enseña todo, desde la agrupación hasta los árboles de decisión, desde algoritmos de ML como Adaboost hasta SVM. Las personas también recomiendan que tome el curso básico de Introducción a la Ciencia de los Datos que trata sobre manipulación de datos, análisis de datos, comunicación de datos con visualización de información y datos a escala.
Ir al curso: comenzar a aprender
3. Aprendizaje de EdX a partir de datos (Aprendizaje automático introductorio)
Yaser S. Abu-Mostafa, profesor de ingeniería eléctrica y ciencias de la computación en el Instituto de Tecnología de California, le enseñará los principios teóricos básicos, algoritmos y aplicaciones del aprendizaje automático.
El curso requiere un esfuerzo de 10 a 20 horas por semana y dura 10 semanas. Tienen otro curso de 5 semanas, Machine Learning para Data Science and Analytics, donde los novatos pueden aprender más sobre algoritmos.
Ir al curso: comenzar a aprender
4. Aprendizaje automático estadístico
Su instructor de la serie de video conferencias (en YouTube) en Aprendizaje Automático Avanzado es Larry Wasserman, Profesor en el Departamento de Estadística y en el Departamento de Aprendizaje Automático de la Universidad Carnegie Mellon.
Los requisitos previos para este curso son sus conferencias sobre estadística intermedia y aprendizaje automático (10-715) destinadas a estudiantes de doctorado. Si no puede acceder a estos cursos, debe asegurarse de tener las habilidades matemáticas, informáticas y estadísticas requeridas.
Ir al curso: comenzar a aprender
5. Redes neuronales de Coursera para el aprendizaje automático
El distinguido profesor emérito Gregory Hinton, quien también trabaja en las instalaciones de Mountain View en Google, de la Universidad de Toronto, enseña este curso avanzado de 16 semanas ofrecido por Coursera.
Pioneros en el campo del aprendizaje profundo, los videos de la conferencia de Hinton en YouTube hablan sobre la aplicación de redes neuronales en la segmentación de imágenes, el movimiento humano, el lenguaje de modelado, el reconocimiento de voz y objetos, etc. Se espera que los estudiantes se sientan cómodos con el cálculo y tengan la experiencia requerida en la programación de Python.
Ir al curso: comenzar a aprender
6. El aprendizaje profundo de Google
Udacity ofrece este increíble curso gratuito que “lleva el aprendizaje automático al siguiente nivel”. El curso de 3 meses de Google no es para principiantes. Habla sobre la motivación para el aprendizaje profundo, las redes neuronales profundas, las redes convolucionales y los modelos profundos para texto y secuencias.
Los líderes del curso Vincent Vanhoucke y Arpan Chakraborty esperan que los alumnos tengan experiencia en programación en Python y algo de experiencia en GitHub y que conozcan los conceptos básicos de ML y estadística, álgebra lineal y cálculo. El curso TensorFlow (la propia biblioteca de aprendizaje profundo de Google) tiene una ventaja adicional de ser autodidacta.
Ir al curso: comenzar a aprender
7. Tutorial de Kaggle R sobre aprendizaje automático
DataCamp ofrece esta experiencia de aprendizaje interactiva que lo ayudará a competir con as. También tienen un curso de Introducción a R de forma gratuita.
Ir al curso: comenzar a aprender
8. Principios de aprendizaje automático de EdX
Como parte del Certificado del Programa Profesional de Microsoft en Ciencia de Datos, este curso de 6 semanas es de nivel intermedio. Le enseña a construir y trabajar con modelos de aprendizaje automático utilizando Python, R y Azure Machine Learning.
Los instructores, el Dr. Steve Elston y Cynthia Rudin hablan sobre la clasificación, la regresión en el aprendizaje automático, los modelos supervisados, el modelado no lineal, el agrupamiento y los sistemas de recomendación. Para agregar un certificado verificado, deberá pagar.
Ir al curso: comenzar a aprender
9. Especialización en aprendizaje automático de Coursera
La Universidad de Washington ha creado cinco cursos, con estudios de casos prácticos, para enseñarle los conceptos básicos del aprendizaje automático. Este curso de 6 semanas que requiere entre 5 y 8 horas de estudio a la semana, cubrirá los fundamentos de ML, clasificación, agrupamiento, regresión, sistemas de recomendación y reducción de dimensionalidad, y el proyecto mediante el aprendizaje profundo.
Emily Fox y Carlos Guestrin de Amazon son los instructores, y esperan que los estudiantes tengan habilidades básicas de matemáticas y programación junto con un conocimiento práctico de Python. El acceso al curso es gratuito, aunque obtener un certificado válido no lo es.
Ir al curso: comenzar a aprender