Las tareas de aprendizaje automático de Andrew Ng’s Coursera se implementan utilizando MATLAB / Octave. ¿Está desactualizado? Porque ahora usamos principalmente Python para implementar algoritmos de aprendizaje automático.

Su suposición es el problema aquí. No hay duda de que está “desactualizado”. La razón por la cual las asignaciones de Andrew Ng se realizan en Matlab / Octave es porque dichos lenguajes proporcionan una manera muy discreta, limpia y de alto nivel para implementar algoritmos, sin entrar en detalles de las implementaciones, lo cual es, después de todo, la premisa completa del curso ( Introducción al aprendizaje automático. Una vez que esté familiarizado con los conceptos, puede enfocar / ajustar ciertos aspectos en cualquier lenguaje de su elección, ya sea Python o incluso C ++ / R.

No.

Sí, Python es mucho más conveniente para implementar los algoritmos. Tenemos una gran cantidad de bibliotecas que hacen que la implementación de estos algoritmos sea solo cuestión de unas pocas líneas de código.

El problema con esto es que no le haría comprender cada uno de los pasos individuales que van detrás del algoritmo y si tiene la intención de aprender realmente el aprendizaje automático, es crucial tener una comprensión profunda del funcionamiento de todos los algoritmos básicos. Ahí es donde la implementación en Matlab / Octave ayuda.

Una vez que haya completado estos algoritmos, puede estar seguro de conocerlos desde cero y definitivamente lo convertirá en un mejor científico de datos.

Actualmente estoy tomando el curso de aprendizaje automático de Andrew Ng en Stanford en este momento. Esta pregunta se planteó en la primera conferencia.

Similar a lo que dijo Pratik, la razón de Andrew Ng para usar MATLAB / Octave es su sintaxis “matemática”, por lo tanto, su capacidad para comunicar conceptos de alto nivel, y por lo tanto su poder como herramienta de aprendizaje. El propósito de esta clase es desarrollar su intuición y comprensión de estos modelos y cómo funcionan: las herramientas son fáciles de aprender por su cuenta. Este razonamiento es similar a por qué MATLAB todavía se enseña a estudiantes universitarios en muchas escuelas de ingeniería.

También diré que este año es el primer año en que el personal docente está aceptando a Python para las tareas escolares, posiblemente sugiriendo un cambio a una filosofía más pragmática. El equipo también ha agregado algunos materiales didácticos nuevos sobre redes neuronales y aprendizaje profundo, de los cuales Python tiene excelentes bibliotecas. En los próximos años, no me sorprendería si comenzaran a usar Python exclusivamente para la clase.

Si quieres trabajar en el mundo real , aprenderás Python.

Fin de la historia. La mayoría de las empresas usan Python para construir sus modelos.

Todo en los tres grandes en relación con el aprendizaje automático es Python.

La interfaz de TensorFlow en GCP … Python. El front-end de Amazon para MXNet … Python. Gluon … un nuevo proyecto de Microsoft y Amazon … cierto … Python.

Keras … Python. Sci-kit aprender … Python.

Si está comenzando, le recomiendo Python .

Tenga en cuenta que la academia siempre está detrás de la curva.

La mayoría de los programas de mastorial en aprendizaje automático todavía predican R.

Si eres nuevo en ML, echa un vistazo a este curso sobre lo básico.

Una introducción al aprendizaje automático para ingenieros de datos