Cómo comenzar con el aprendizaje automático

El aprendizaje automático es un tema candente hoy en día y todos quieren aprender el aprendizaje automático, pero el problema es el enfoque.

El enfoque correcto para usted sería:

1. Primero aprenda los conceptos básicos del lenguaje de programación R / python

• Varios tipos de datos en R / python
• Varios operadores (lógicos y relacionales)
• Declaración condicional y declaraciones en bucle
• Funciones (predefinidas o personalizadas)
• Importando datos

2. Conozca algunas estadísticas:

• Probabilidad
• Diferentes tipos de probabilidad
• Distribución de probabilidad y conceptos de densidad.
• Inferencia bayesiana
• Parámetros estadísticos
• Diferentes tipos de pruebas estadísticas

3. Técnicas de análisis de datos

• Proceso de cuestionamiento
• Discutiendo
• Explorador
• Analizando
• Comunicar datos

4. Visualizaciones y adquirir conocimiento estadístico para resumir datos.

• Cuentacuentos

Entonces ven a Machine Learning:

• ¿Qué es el aprendizaje automático ?
• Diferentes algoritmos de aprendizaje automático
• Algoritmos esenciales de Machine Learning como árbol de decisión, bosque aleatorio, regresión lineal / logística, SVM, etc.
• Concepto de modelo sobre ajuste y bajo ajuste
• Parámetros y métodos de evaluación del modelo
• Impulso de modelo

Para más referencias de blogs:

10 habilidades para dominar para convertirse en un científico de datos | Edureka

Tutorial de ciencia de datos para principiantes | Aprender ciencia de datos | Edureka

Para referencia de video:

¡Feliz aprendizaje!

El aprendizaje automático ahora es tendencia en el mercado tecnológico. Algunos de MNC ofrecen paquetes enormes para Machine Learning. Es mejor aprender Machine Learning de un curso en línea. Le sugeriré los mejores cursos en línea de Machine Learning.

Los mejores cursos en línea de Machine Learning: –

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

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.

Cursos relevantes :

1. Análisis de clúster y aprendizaje automático no supervisado en Python
2. Aprendizaje automático no supervisado de ciencia de datos con R

De cualquier manera, nunca te rindas.

Mantener la codificación.

Todo lo mejor .

Los mejores recursos para comenzar sobre el aprendizaje automático que recomendaría son los cursos interactivos en línea donde no solo puede aprender conceptos teóricos detrás del aprendizaje automático, sino también tener experiencia práctica en Python o cualquier otro lenguaje y construir su propio modelo / herramientas de aprendizaje automático.

No prefiero aprender de los libros de texto ya que la retención es muy baja.

Para comenzar, le recomendaría que lea algunos buenos artículos y vea seminarios web sobre aprendizaje automático y aprenda diferentes técnicas de aprendizaje automático, a saber:

1. Clasificación
2. Agrupamiento
3. Regresión

Luego, puede inscribirse en un curso completo sobre aprendizaje automático

Seminarios web

Introducción al aprendizaje automático para las finanzas cuantitativas

Buenos artículos / blogs

1. Machine Learning para Quants y Traders – QuantInsti
2. Aprendizaje automático: Google
3. Blog – Dominio del aprendizaje automático

Buenos cursos sobre aprendizaje automático

1. Aprendizaje automático para el comercio: introducción

Este es el curso básico sobre aprendizaje automático que le ofrece la introducción de diferentes tipos de aprendizaje y algoritmos utilizados en el aprendizaje automático y, finalmente, una estrategia en Python.

2. Comercio con Machine Learning: regresión

• Varios conceptos de preprocesamiento de datos para aumentar el rendimiento de un sistema
• Concepto de hiperparámetros y técnicas de validación cruzada para obtener mejores resultados de su modelo comercial
• Concepto de regresión y las matemáticas detrás de él.
• Intercambio de sesgo y varianza
• Codifique todos los conceptos aprendidos para formar sus estrategias en Python

3. Comercio con Machine Learning: clasificación y SVM

Este curso cubre las diferentes técnicas de clasificación y el concepto matemático detrás de él.

• Clasificador de regresión logística
• Clasificación multiclase y la diferencia entre la clasificación binaria y multiclase
• Algoritmo uno contra todos, una codificación activa y función Softmax para realizar la clasificación multiclase
• Support Vector Machine y las matemáticas detrás de Support Vector Machine
• Diferentes parámetros SVM para optimizar el modelo.
• Para predecir la tendencia usando el clasificador de vectores de soporte en Python

4. Aprendizaje automático | Coursera de Andrew Ng, que es el curso más popular sobre aprendizaje automático, está escrito en octava.

espero que esto ayude

¡Seguir aprendiendo!

Hola,

Me alegra que esté eligiendo una de las carreras más en auge en tecnología: Machine Learning. Puede ir al curso de Aprendizaje automático con capacitación en línea o puede elegir la capacitación en el aula, depende de usted.

Imarticus ayuda a aspirantes como usted a actualizarse y comenzar una carrera en Machine Learning.

Proyectos extensos, estudios de casos y tutoría son algunos de los aspectos más destacados de nuestros cursos, ya que creemos en ” Aprender haciendo “, que nos ha ganado varios premios estimados en la industria.

Si desea sobresalir en una carrera en Machine Learning, puede considerar cualquiera de nuestros cursos. Imarticus proporciona asistencia profesional al 100% para estos programas, que incluye la creación de currículums, preparación extensa de entrevistas, etc.

Nuestros cursos son los siguientes:

Big Data y Machine Learning Prodegree : El Big Data y Machine Learning Prodegree, en asociación con IBM como el socio EdTech, es el primer curso de certificación de 160 horas que ofrece una exposición profunda a la ciencia de datos, Big Data, máquina y aprendizaje profundo. El riguroso plan de estudios alineado con la industria ofrece una comprensión integral de Python, Spark y Hadoop para carreras en aprendizaje automático y Big Data. El programa también presenta siete proyectos de la industria y una interacción periódica con líderes de la industria en el ecosistema de Machine Learning.

Data Science Prodegree : este programa está creado conjuntamente con Genpact como socio de conocimiento. Este programa lo ayuda a comprender en profundidad el análisis de datos y las estadísticas, junto con las perspectivas comerciales y las prácticas de vanguardia que utilizan SAS, R, Python, Hive, Spark y Tableau.

Programa de posgrado en análisis de datos : este programa lo ayuda a comprender los conceptos fundamentales y el aprendizaje práctico de herramientas analíticas líderes, como SAS, R, Python, Hive, Spark y Tableau, así como análisis funcionales en muchos dominios.

A través de varios proyectos y estudios de casos, impartimos las habilidades integrales del papel en nuestros estudiantes junto con una amplia capacitación sobre las herramientas y técnicas clave. Imarticus Learning lo ayuda a prepararse para estar listo para el trabajo con la preparación de entrevistas, reanudar la creación de talleres y 1-1 simulacros de entrevistas con expertos de la industria.

Para saber más sobre los programas de Imarticus, visite el sitio web de Imarticus ( https://imarticus.org/?id=Websit …).

¡Espero que esto te ayudará!

Todo lo mejor..:)

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 te detiene de tus objetivos de aprendizaje automático? ¿Por qué entrar en el aprendizaje automático? Encuentra tu tribu de aprendizaje automático
• Paso 2 : elige un proceso . Utilice 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. Mejor lenguaje de programación para Machine Learning
• 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 memoriaTour de problemas del aprendizaje automático del mundo realTrabaje en problemas de aprendizaje automático que son importantes para usted
• Paso 5 : crear una cartera . Reúna resultados y demuestre sus habilidades. Construya un Portafolio de Aprendizaje Automático Obtenga Pagos para Aplicar Aprendizaje Automático Aprendizaje Automático por Dinero

Comience con las matemáticas, ya que los algoritmos tendrán más sentido con el conocimiento fundamental (ya que se construyen utilizando álgebra lineal, estadística y cálculo). A partir de ahí, familiarícese con algoritmos comunes en el campo (pruebe la clase de Ng, Elementos de aprendizaje estadístico o este PPT: https://www.slideshare.net/Colle …). Muchos tienen implementaciones en R y Python; elija el que sea más fácil de aprender. A partir de ahí, puede jugar con los algoritmos utilizando datos de código abierto (como los datos del repositorio UCI).

Empecé con ML hace unos días y tenía la misma duda que tú.

Recomiendo encarecidamente el curso en línea de Andrew Ng en coursera, está diseñado para principiantes. Puede auditar este curso de forma gratuita u obtener una certificación pagando. Totalmente depende de ti.

Este curso le proporcionará una buena base y desarrollará una buena comprensión de todos los componentes de ML. Como la regresión lineal, la regresión logística, etc.

Por otro lado, debes practicar y pulir tus habilidades de pitón. Como este curso está en MATLAB y eso es bueno teniendo en cuenta el punto de vista de un principiante, pero más tarde necesitará python y R.

Después de este curso, puede sumergirse en el curso de aprendizaje profundo de Andrew Ng. Aunque no he tomado este curso, parece que vale la pena.

Hay cursos gratuitos disponibles en línea que son los mejores para comenzar. Introducción al aprendizaje automático de Udacity para principiantes. Andrew Ng Videos para usuarios avanzados. Estos están disponibles gratuitamente. Ya he respondido la misma pregunta hecha por otro usuario. Lee esa respuesta.

La respuesta de Sukesh Kumar Ranjan a ¿Cómo aprendo el aprendizaje automático?

Lea libros sobre aprendizaje automático, redes neuronales, etc.

también puedes tomar el curso de Machine Learning de Andrew Ng en Coursera | Cursos en línea de las mejores universidades. Es muy efectivo y popular.

También puede ver videos sobre Machine Learning, ya que hay varios tutoriales para diferentes temas de Machine Learning.

Te aconsejaría que practiques la implementación junto con la teoría. También mantenga sus conceptos completamente claros sobre las teorías en Machine Learning.

Puede aprender más sobre aprendizaje profundo, inteligencia artificial, etc.

Salud…

La forma de aprender el aprendizaje automático es:

1. Aprende y desarrolla proyectos en Python
2. Presta atención a bibliotecas específicas como Numpy, Pandas y Matplotlib
3. Aprenda a usar la biblioteca ScikitLearn con algoritmos de aprendizaje automático
4. En aprendizaje automático, enfóquese en: regresión, clasificación, agrupamiento y asociación
5. Luego pase a Deep Learning usando TensorFlow, Theano y Keras
6. y finalmente AI

hay muchos sitios web gratuitos que le enseñan recursos gratuitos y que los recursos provienen de colegios de fama mundial y gratuitos … si desea comenzar el aprendizaje automático, debe comenzar a aprender python y C … comience con python ya que es fácil de entender … usted puede aprenderlo de SoloLearn: Learn to Code y los sitios web gratuitos para aprender la máquina son Smart Planning para redes inalámbricas inteligentes y cursos en línea, de forma gratuita y http://cybrary.com encontrará recursos gratuitos de universidades de fama mundial aquí … espero esto ayuda

Te sugiero que vayas a este sitio web y veas

Cómo iniciar AI / ML / DL. ¡¡Buena suerte!!

Puede inscribirse en el curso de aprendizaje automático de la Universidad de Stanford en Coursera. El curso está bien diseñado y explicado por Andrew NG. Es un curso de 11 semanas. Puede aprenderlo gratis, sin embargo, le costará si se inscribe para la certificación.

Para comenzar el aprendizaje automático, debe conocer los conceptos básicos de porbabilidad y álgebra vectorial.

Hay algunos cursos en línea para el aprendizaje automático que se mencionan a continuación:

1.Nptel – Nptel también lleva a cabo un curso en línea para el aprendizaje automático, es gratis si no desea la certificación o si tiene que pagar por la certificación y aprobar el examen.

2.Udacity: Udacity también proporciona un curso de aprendizaje automático que debe pagar por el curso

3. Udemy: Udemy también ofrece cursos de aprendizaje automático y es más barato que Udacity

Te sugiero que te unas a los cursos de aprendizaje automático de udacity porque es más interactivo que cualquier otro sitio web. La enseñanza de Nptel no es tan interactiva como Udacity pero es buena.

U puede hacer ML usando Python o JAVA,
intente esto: Tutoriales de programación de Python

Quizás ayude …