Si quieres comenzar desde lo más básico como lo hice yo, estos pasos te guiarán.
- [Omita, si tiene conocimiento previo] En mi opinión, el aprendizaje automático tiene una amplia gama de técnicas, por lo que lo primero que debe hacer es tener una idea muy breve sobre cómo se distribuye y crece este campo, para comenzar , cualquier libro de IA podría ayudarte allí. Si tienes tiempo, te recomiendo que pases por ‘ Inteligencia artificial: un enfoque moderno ‘ de peter norvig. Otro libro simple y que debe leerse es ‘ Programming Collective Intelligence ‘ de Toby Segaran (no es un libro básico de ML, pero leerlo será un buen paso inicial: este libro está basado en python. Recuerde, comience a aprender python al lado porque será una gran herramienta a medida que avanzamos en el aprendizaje automático). Ahora ve a un curso en línea para empacar todo lo que hemos pasado hasta ahora. Recomiendo Introducción al Curso de Inteligencia Artificial y Capacitación en línea | Udacity. , Ciencias de la Computación – Inteligencia Artificial NPTEL IIT conferencias (a veces el aprendizaje lento puede ayudar)
- [Selección de su división favorita] Ahora que tiene una idea general, debe desviarse a su campo favorito (es un campo grande, ¿verdad?). El aprendizaje profundo es un tema de rápido crecimiento y actualidad en la actualidad. Creo que estás interesado en ese campo, porque has mencionado las redes neuronales. En primer lugar, lea las redes neuronales del capítulo La naturaleza del código de Daniel Shiffman -> luego la lista de reproducción de YouTube desmitificada de Neural Networks -> luego haga un pico en DeepLearning.TV.
- [La parte de la teoría lo es todo] Ahora tenemos que entender todo en detalle, puedes elegir entre diferentes cursos en línea como, Machine Learning – Stanford University | Coursera.
- No olvide explorar más, leer publicaciones de investigación relacionadas (muy antiguas hasta hoy), tomar diferentes video conferencias gratuitas. Es hora de comenzar a codificar, prueba la red neuronal con numpy. y otros ejemplos buscando en Google.
- Ahora, selecciona tu biblioteca favorita. TensorFlow, Theano, Pybrain, Torch (Mi favorito: no es Python, es Lua, Python), Cafe, Matlab son algunos ejemplos. (Algunos servicios en la nube como Microsoft azure / google compute podrían proporcionar un entorno diferente)
- [Deep Learning] Comience con Deep Learning | Udacity (que se marcó como un curso avanzado, simplemente repártelo y luego márquelo para otra ronda), tome las conferencias iniciales de NPTEL: Neural Networks, luego observe a fondo Neural Networks for Machine Learning – University of Toronto | Coursera.
- luego, vaya a su casa para la ciencia de datos
- [Nota – si es antorcha] Antorcha 7. ¡Hola mundo, redes neuronales! Antorcha | Tutoriales para aprender Torch
- [Nota – datos de entrenamiento] UCI Machine Learning Repository, base de datos de dígitos manuscritos MNIST, scikit-learn: aprendizaje automático en Python
- [Nota – (extra) LSTM] Comprensión de las redes LSTM, una guía para principiantes sobre redes recurrentes y LSTM