¿Qué conocimiento debo tener antes de aprender el aprendizaje automático?

Básicamente, el aprendizaje automático necesita matemáticas y programación como básicas.

Matemáticas

  1. Álgebra
  2. Cálculo
  3. Estadísticas y probabilidad

Programación

  1. Pitón
  2. Programación R

Luego sumérgete en el aprendizaje automático.

Es mejor tomar cualquier curso en línea.

Puedo sugerirle el mejor curso en línea de Machine Learning.

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

Aquí aprenderás

  • Master Machine Learning en Python & R
  • Tener una gran intuición de muchos modelos de Machine Learning
  • Hacer predicciones precisas
  • Haz un análisis poderoso
  • Hacer modelos robustos de aprendizaje automático
  • Crea un fuerte valor agregado para tu negocio
  • Usar Machine Learning para fines personales
  • Manejar temas específicos como el aprendizaje por refuerzo, PNL y aprendizaje profundo
  • Manejar técnicas avanzadas como la reducción de dimensionalidad
  • Sepa qué modelo de Machine Learning elegir para cada tipo de problema
  • Construya un ejército de poderosos modelos de Machine Learning y sepa cómo combinarlos para resolver cualquier problema.

Todo lo mejor .

Yo diría que la mejor manera de comenzar a aprender algo (Machine Learning en este caso) es obtener el panorama general primero. Un campo amplio como este puede ofrecer cientos de posibilidades de materias para aprender, por lo que mi consejo es que primero eche un vistazo a la idea general y luego decida convertirse en un experto en el aspecto que más le interese.

El aprendizaje automático, la inteligencia artificial y los temas relacionados tienen características diferentes, aunque todos están conectados de alguna manera. Puede volverse un poco confuso y, a veces, los conceptos se confunden un poco. Esta es otra razón por la que podría beneficiarse mucho al comprender el panorama general de la tendencia de AI y luego profundizar en la información de Machine Learning.

Para hacerlo, puede encontrar varias fuentes de información: ¡Dios bendiga a Internet! Mi sugerencia para usted es esta introducción al libro electrónico de Machine Learning. Es un gran material para comenzar con todo el tema y encontrar enlaces y recursos donde puede continuar su camino de aprendizaje. ¡Disfrutar!

Aunque puede continuar con cualquier lenguaje C / C ++ / Java.

Pero para el aprendizaje automático, Python es la mejor opción. Tiene el número máximo de bibliotecas ML en comparación con otros idiomas.

Tensorflow de Google.

NLTK, openNLP, etc.

La mayoría de las famosas bibliotecas ML están disponibles para Python.

Sería mejor ir con Python.

More Interesting

¿Es posible asegurar trabajos solo en base a la experiencia en aprendizaje automático sin ser un ingeniero de software adecuado?

¿Por qué alguien usaría un modelo de regresión basado en un árbol de decisión?

¿Qué es la agrupación?

¿Cuáles son mis próximos pasos en el aprendizaje automático después de aprender estadísticas y álgebra lineal?

¿Cómo puedo comenzar a construir un motor de recomendación? ¿Dónde puedo encontrar un conjunto de datos interesante? ¿Con qué herramientas / tecnologías / algoritmos es mejor construir el motor? ¿Cómo verifico la efectividad de las recomendaciones?

¿Cuáles son algunas aplicaciones de PageRank que no sean motores de búsqueda?

¿Cuál es la diferencia de aprender características latentes usando SVD y usando vectores incrustados en una red profunda?

¿Cuáles son los lenguajes de programación básicos para aprendizaje automático, inteligencia artificial y big data?

¿Por qué todavía necesitamos aprender Minería de datos cuando tenemos Mahout?

¿Cómo puedo comenzar el análisis de datos en un gran conjunto de datos?

¿Cómo trata Google Translate u otra traducción en línea con palabras que no existen en el otro idioma?

¿Cuál es la diferencia entre agrupar sin PCA y agrupar con PCA?

¿Cuáles son las aplicaciones del aprendizaje profundo en la India?

¿Cuáles son las principales empresas que trabajan en Deep Reinforcement Learning aparte de DeepMind y OpenAI?

Construcción del modelo de correlación / regresión: ¿Cuándo debo usar variables dependientes / independientes reales, y cuándo debo usar sus tasas de crecimiento?