¿Cuál es la base para comenzar la IA y el aprendizaje automático?

El aprendizaje automático es un enfoque particular de la inteligencia artificial. Y el aprendizaje automático es una subárea central de la inteligencia artificial; Permite a las computadoras entrar en un modo de autoaprendizaje sin ser programado explícitamente. La mejor manera de aprender AI y ML es a través de recursos en línea … si está interesado en aprender en línea … puedo recomendarle los mejores cursos en línea de AI y ML …

Los mejores cursos en línea de Machine Learning:

• El curso completo de aprendizaje automático con Python
• Entrenamiento de certificación avanzada de aprendizaje automático en Simplilearn

Elige los primeros cursos ..

De este curso puedes aprender sobre:

Pasará de principiante a nivel extremadamente alto y su instructor construirá cada algoritmo con usted paso a paso en la pantalla.

Al final del curso, habrá entrenado algoritmos de aprendizaje automático para clasificar flores, predecir el precio de la vivienda, identificar letras o dígitos, identificar al personal que tiene más probabilidades de irse prematuramente, ¡detectar células cancerosas y mucho más!

Dentro del curso, aprenderá a:

• Configure un entorno de desarrollo de Python correctamente
• Obtenga conjuntos completos de herramientas de aprendizaje automático para abordar la mayoría de los problemas del mundo real
• Comprenda las diversas métricas de rendimiento de regresión, clasificación y otros algoritmos ml, como R-cuadrado, MSE, precisión, matriz de confusión, previsión, recuperación, etc. y cuándo usarlos.
• Combina múltiples modelos con embolsado, refuerzo o apilamiento
• Utilice los algoritmos de aprendizaje automático (ML) no supervisados, como la agrupación jerárquica, la agrupación k-means, etc. para comprender sus datos
• Desarrollar en notebook Jupyter (IPython), Spyder y varios IDE
• Comuníquese visual y efectivamente con Matplotlib y Seaborn
• Diseñe nuevas funciones para mejorar las predicciones de algoritmos
• Utilice la validación cruzada de tren / prueba, K-fold y K-fold estratificado para seleccionar el modelo correcto y predecir el rendimiento del modelo con datos no vistos
• Use SVM para el reconocimiento de escritura y problemas de clasificación en general
• Utilice los árboles de decisión para predecir la deserción del personal.
• Aplicar la regla de asociación a conjuntos de datos de compras minoristas

No se requiere aprendizaje automático. Aunque tener algo de experiencia básica en Python sería útil, no se necesitan conocimientos previos de Python, ya que se proporcionarán todos los códigos y el instructor los revisará línea por línea y obtendrá un soporte amigable en el área de preguntas y respuestas.

Y también..

• Los ingenieros de Machine Learning ganan en promedio $ 166,000 – ¡conviértase en un candidato ideal con este curso!
• Resuelva cualquier problema en su negocio, trabajo o vida personal con potentes modelos de Machine Learning
• Capacite algoritmos de aprendizaje automático para predecir los precios de la vivienda, identificar la escritura a mano, detectar células cancerosas y más
• Vaya de cero a héroe en Python, Seaborn, Matplotlib, Scikit-Learn, SVM, Machine Learning sin supervisión, etc.

Cursos adicionales:

• Machine Learning por Andrew NG- Universidad de Stanford

Los mejores cursos en línea de inteligencia artificial:

• Inteligencia Artificial AZ ™: Aprenda a construir una IA
• Inteligencia artificial: aprendizaje automático avanzado

Elija el primer curso … de este curso puede aprender sobre:

Aprenda los conceptos clave de IA y el entrenamiento de intuición para ponerse al día rápidamente con todas las cosas de IA. Cubierta:

• Cómo comenzar a construir IA sin experiencia previa en codificación usando Python
• Cómo fusionar AI con OpenAI Gym para aprender de la manera más efectiva posible
• Cómo optimizar tu IA para alcanzar su máximo potencial en el mundo real

Esto es lo que obtendrá con este curso:

1. Completa habilidades de inteligencia artificial para principiantes y expertos: aprenda a codificar inteligencia artificial que se mejora por sí misma para una variedad de propósitos. De hecho, codificamos junto con usted. Cada tutorial comienza con una página en blanco y escribimos el código desde cero. De esta manera, puede seguir y comprender exactamente cómo se une el código y qué significa cada línea.

2. Plantillas de código: además, obtendrá plantillas de código de Python descargables para cada IA ​​que cree en el curso. Esto hace que construir una IA verdaderamente única sea tan simple como cambiar algunas líneas de código. Si liberas tu imaginación, el potencial es ilimitado.

3. Tutoriales de intuición: donde la mayoría de los cursos simplemente te bombardean con una teoría densa y te ponen en camino, creemos en desarrollar una comprensión profunda no solo de lo que estás haciendo, sino por qué lo estás haciendo. Es por eso que no te lanzamos matemáticas complejas, sino que te enfocas en desarrollar tu intuición en la codificación de la IA para obtener resultados infinitamente mejores en el futuro.

4. Soluciones del mundo real: lograrás tu objetivo no solo en 1 juego, sino también en 3. Cada módulo se compone de diferentes estructuras y dificultades, lo que significa que serás lo suficientemente hábil para construir una IA adaptable a cualquier entorno en la vida real, en lugar de simplemente pasar una memoria glorificada “prueba y olvida” como la mayoría de los otros cursos. La práctica realmente hace la perfección.

Y también..

• Construye una IA
• Comprender la teoría detrás de la inteligencia artificial
• Hacer un auto virtual
• Haz una IA para vencer a los juegos
• Resolver problemas del mundo real con IA
• Domina los modelos más modernos de IA
• Q-Learning
• Deep Q-Learning
• Aprendizaje Q convolucional profundo
• A3C

Recursos relevantes:

• Inteligencia artificial AI: aprendizaje por refuerzo en Python

TODO LO MEJOR…

Estar familiarizado con la ciencia de datos. Juega con datos. Los analistas de datos son buenos programadores de AI / ML. Es posible que necesite habilidades multidisciplinarias que van desde matemáticas, informática, estadística y habilidades de comunicación (ventaja adicional).

La estadística es la clave principal. Sé fuerte con conceptos como árboles de decisión, complejidad ciclomática, regresión. Sé bueno para predecir, si no, sigue concentrándote y practica. Además, se actualizará de vez en cuando.

Necesitas fundamentos de informática. Comience con los conceptos básicos de Python y el lenguaje R. Ir hasta el nivel avanzado en Python y R-language. Entonces tendrá una idea clara sobre las bases de datos AI / ML SQL y NoSQL. Realice cursos pagos en cursos en línea: aprenda cualquier cosa, en su horario | Udemy o cualquier otro sitio web. Los cursos pagados son mejores además de agregar algo de peso a su currículum también.

Tome cursos de gestión de bases de datos en su graduación si aún está en la universidad. Tener una mentalidad de programación. Sé apasionado por la ciencia de datos. Conozca diferentes modelos de aprendizaje automático de fuentes confiables. Puede ir a canales específicos de Youtube según su mentalidad.

Todo comienza con la lógica.

La esencia de la IA y el aprendizaje automático se ha mantenido más o menos igual entre “Eliza” en 1960 y la IA de hoy.

Hay 3 tipos básicos de IA desde mi perspectiva

• Análisis estadístico y producción humanizada (p. Ej., “Tiene 3 dólares en su libro de contabilidad” en lugar de “Saldo: $ 3”)
• El procesamiento del lenguaje natural (p. Ej., “¿Puedes mostrarme zapatos rojos” se traduce en algo como { product: “shoe”, color: “red” } ), esto también puede aplicarse al procesamiento de imágenes , etc., pero es básicamente un “procesamiento” inteligente y no ‘pensar’
• La selección de ruta lógica con expresiones regulares (p. Ej., “¿Tiene zapatos rojos disponibles?” Coincide con la expresión regular “. * (Zapato rojo). *” => El producto coincide con “zapato rojo”).

Después de eso, se realiza otro análisis de ruta lógica que coincide con la intención; por ejemplo, “¿tiene?” Indica una verificación de disponibilidad, “muéstrame” indica que necesita dar fotos, “comprar” indica que debe agregarse al carrito, etc.

El aprendizaje automático es un enfoque más avanzado y más ‘ agregado ‘ para la IA. Básicamente implicaría más análisis estadístico de patrones para generar un algoritmo de predicción .

Vea si estos ejemplos ayudan:

• 50,000 personas visitan una tienda y compran zapatos (lo que un humano normalmente vería). Hubo un acuerdo especial y estas 50K personas lo aprovecharon.
• De estos 10,000 eran hombres, el resto eran mujeres (una IA de reconocimiento facial)
• De estos hombres, 9,000 compraron zapatos negros, el resto compró zapatos de color canela (análisis de la base de datos y coincidencia de marca de tiempo con el contador de facturación de CCTV)
• De estas mujeres, todas las 40,000 teníamos 10,000 comprando rojo, otras 10K comprando blanco, y las 20K restantes comprando negro (análisis de base de datos y marca de tiempo)
• Las mujeres se enteraron de esta tienda a través de las redes sociales (reconocimiento facial, análisis de comportamiento social, código de cupón proporcionado en el mostrador, tarjeta de crédito utilizada en línea + en el mostrador, etc.)
• Todos los hombres se enteraron de esta tienda a través de un modo de comunicación no en línea (ya que se realiza un seguimiento de todos los modos en línea; además del hecho de que un anuncio fuera de línea para el cupón se colocó en un periódico cuyo objetivo principal son los hombres)

Ahora, este software tiene una gran base de conocimiento . Puede decirle el mejor momento del día para que las personas compren zapatos, a qué hora prefieren las mujeres (tal vez mañanas / noches para evitar el sol caliente en Summers? Tal vez tardes para evitar las mañanas / noches frías?) A qué hora prefieren los hombres (coincidiendo con ¿eventos deportivos o horarios de oficina? ¿Tal vez coinciden con sus parejas femeninas que eligen comprar en ese momento?) . Pero en realidad te lo DIRÁ, no ‘adivinar’. Estos son datos reales, no conjeturas.

Más que eso, este software ahora puede ‘perfilar’ a cada persona . Sabe quién compró qué zapatos, cuándo se fabricó ese par, de qué material estaba hecho. Cuanto dura.

Si rastreamos la historia del comprador, sabemos con qué frecuencia compran.

Y ahora podemos cazarlos y hacer que compren más de lo que quieren.

O lo que mi software sabe que quieren.

Puedes aprender IA de este curso de mayor venta disponible en Udemy que solo requiere matemáticas de secundaria para comenzar.

¡Combina el poder de la ciencia de datos, el aprendizaje automático y el aprendizaje profundo para crear una IA potente para aplicaciones del mundo real!

¿Quién es el público objetivo?

• Cualquier persona interesada en inteligencia artificial, aprendizaje automático o aprendizaje profundo

Enlace del curso: Inteligencia artificial AZ ™: aprenda a construir una IA

¿Que aprenderás?

• Construye una IA
• Comprender la teoría detrás de la inteligencia artificial
• Hacer un auto virtual
• Haz una IA para vencer a los juegos
• Resolver problemas del mundo real con IA
• Domina los modelos más modernos de IA
• Q-Learning
• Deep Q-Learning
• Aprendizaje Q convolucional profundo
• A3C

Requisitos para tomar este curso

• Solo matemáticas de secundaria

Descripción del curso por instructor

Aprenda los conceptos clave de IA y el entrenamiento de intuición para ponerse al día rápidamente con todas las cosas de IA. Cubierta:

• Cómo comenzar a construir IA sin experiencia previa en codificación usando Python
• Cómo fusionar AI con OpenAI Gym para aprender de la manera más efectiva posible
• Cómo optimizar tu IA para alcanzar su máximo potencial en el mundo real

Esto es lo que obtendrá con este curso:

1. Completa habilidades de inteligencia artificial para principiantes y expertos : aprenda a codificar inteligencia artificial que mejora por sí misma para una variedad de propósitos. De hecho, codificamos junto con usted. Cada tutorial comienza con una página en blanco y escribimos el código desde cero. De esta manera, puede seguir y comprender exactamente cómo se une el código y qué significa cada línea.

2. Plantillas de código: además, obtendrá plantillas de código de Python descargables para cada IA ​​que cree en el curso. Esto hace que construir una IA verdaderamente única sea tan simple como cambiar algunas líneas de código. Si liberas tu imaginación, el potencial es ilimitado.

3. Tutoriales de intuición: donde la mayoría de los cursos simplemente te bombardean con una teoría densa y te ponen en camino, creemos en desarrollar una comprensión profunda no solo de lo que estás haciendo, sino por qué lo estás haciendo. Es por eso que no te lanzamos matemáticas complejas, sino que te enfocas en desarrollar tu intuición en la codificación de la IA para obtener resultados infinitamente mejores en el futuro.

4. Soluciones del mundo real: lograrás tu objetivo no solo en 1 juego, sino también en 3. Cada módulo se compone de diferentes estructuras y dificultades, lo que significa que serás lo suficientemente hábil para construir una IA adaptable a cualquier entorno en la vida real, en lugar de simplemente pasar una memoria glorificada “prueba y olvida” como la mayoría de los otros cursos. La práctica realmente hace la perfección.

5. Soporte en curso: estamos totalmente comprometidos a hacer de este el curso de IA más accesible y orientado a resultados del planeta. Esto requiere que estemos allí cuando necesite nuestra ayuda. Es por eso que hemos reunido un equipo de científicos de datos profesionales para apoyarlo en su viaje, lo que significa que recibirá una respuesta de nosotros dentro de un máximo de 48 horas.

Enlace del curso: Inteligencia artificial AZ ™: aprenda a construir una IA

Permítanme explicarlo usando una analogía: piense en esto como un ejercicio de aprender a escribir un ensayo. La mejor manera de aprender a escribir un ensayo es primero aprender los alfabetos, seguidos de las palabras y la gramática que son los componentes básicos de un idioma. Finalmente, necesita estructurar sus ideas y expresarlas utilizando el lenguaje que elija y haya aprendido. Lo que te ayuda a sobresalir en tu escritura es leer más libros y escribir / expresar tus ideas. Pero la parte más esencial es saber lo que quieres lograr usando tus habilidades lingüísticas.

Siguiendo desde arriba, los alfabetos fundamentales serían una comprensión sólida de las estadísticas y la lógica. Puede elegir cualquier idioma dependiendo de sus antecedentes o preferencias, recomendaría Python si está comenzando, ya que es relativamente más fácil y tiene ventajas para escalar rápidamente. Comprender la sintaxis del lenguaje le dará las habilidades gramaticales necesarias. Tomar cursos en línea y comprender los paquetes / bibliotecas lo ayudará a no reinventar la rueda. Especialmente dado que el objetivo de AI / ML es hacer que los sistemas piensen y actúen de manera independiente, usted desea aprovechar la tonelada de investigación y el esfuerzo de código abierto que existe. Boom, estás listo para resolver los problemas más complejos que existen.

El curso de aprendizaje automático Courera de Andrew Ng sería un excelente punto de partida para vivir esto. Que te diviertas !

Aprendizaje automático | Coursera

Si está interesado en el campo del aprendizaje automático? ¡Entonces este curso perfecto es para ti!

Enlace al curso: Machine Learning AZ ™: Python práctico y R en ciencia de datos: aprenda a crear algoritmos de aprendizaje automático

En este curso aprenderá a crear algoritmos de aprendizaje automático en Python y R a partir de dos expertos en ciencia de datos.

Este curso ha sido diseñado por dos científicos de datos profesionales para que puedan compartir sus conocimientos y ayudarlo a aprender teoría compleja, algoritmos y bibliotecas de codificación de una manera simple.

Te llevarán paso a paso al mundo del aprendizaje automático. Con cada tutorial, desarrollará nuevas habilidades y mejorará su comprensión de este desafiante pero lucrativo subcampo de la ciencia de datos.

Este curso es divertido y emocionante, pero al mismo tiempo se sumergen 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.

Y como beneficio adicional, este curso incluye plantillas de código Python y R que puede descargar y usar en sus propios proyectos.

¿Quién es el público objetivo?

• Cualquier persona interesada en Machine Learning
• Estudiantes que tienen al menos conocimientos de secundaria en matemáticas y que desean comenzar a aprender Machine Learning
• Cualquier persona de nivel intermedio que conozca los conceptos básicos del aprendizaje automático, incluidos los algoritmos clásicos como la regresión lineal o la regresión logística, pero que quieran obtener más información al respecto y explorar todos los diferentes campos del aprendizaje automático.
• Cualquier persona que no se sienta cómoda con la codificación pero que esté interesada en el aprendizaje automático y quiera aplicarla fácilmente en los conjuntos de datos.
• Cualquier estudiante en la universidad que quiera comenzar una carrera en Data Science.
• Cualquier analista de datos que quiera subir de nivel en Machine Learning.
• Cualquier persona que no esté satisfecha con su trabajo y que quiera convertirse en Data Scientist.
• Cualquier persona que desee crear valor agregado a su negocio mediante el uso de potentes herramientas de Machine Learning

¿Que 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.

Requisitos

• Solo un nivel de matemáticas de secundaria

Enlace al curso: Machine Learning AZ ™: Python práctico y R en ciencia de datos: aprenda a crear algoritmos de aprendizaje automático

Los equipos de ciencia de datos tienen personas de diversos orígenes como ingeniería química, física, economía, estadística, matemáticas, investigación de operaciones, informática, etc. Encontrará muchos científicos de datos con una licenciatura en estadística y aprendizaje automático, pero no es un requisito para aprender ciencia de datos. Sin embargo, conocer los conceptos básicos de Matemáticas y Estadística como Álgebra Lineal, Cálculo, Probabilidad, etc. es importante para aprender ciencia de datos.

1. La programación es una habilidad esencial para convertirse en un científico de datos, pero uno no necesita ser un programador duro para aprender ciencia de datos.
2. Estar familiarizado con los conceptos básicos de programación orientada a objetos como C, C ++ o Java facilitará el proceso de aprendizaje de herramientas de programación de ciencia de datos como Python y R.
3. El conocimiento de conceptos básicos de sistemas distribuidos como MapReduce, Pig, Hive sería útil, pero nuevamente depende de la empresa para la que trabajará. Muchas compañías han comenzado a usar Hadoop como servicio, por lo que los científicos de datos no necesitan tener un conocimiento profundo de Hadoop.

No se pierda la oportunidad de trabajar con la mejor compañía de aprendizaje de máquinas en India, que se encuentra en Chandigarh. es decir, soluciones Webtunix.

Para aprender Machine Learning como principiante, puede referir mi respuesta La respuesta de Anas Khan a ¿Cómo comienza un principiante total a aprender machine learning si tiene algún conocimiento de lenguajes de programación? aquí.

Espero que esto ayude 🙂

Si recién está comenzando y no quiere quedarse atascado en la terminología y finalmente dejar de fumar, le recomiendo que consulte la siguiente serie de blogs para comenzar.

¡El aprendizaje automático es divertido! – Adam Geitgey – Medio

Esta es una pregunta muy amplia, ya que hay diferentes áreas de IA que puedes comenzar a aprender.

El curso de Andrew Ng sobre Machine Learning y ahora Deep Learning en Coursera es un excelente lugar para comenzar.

Aquí hay una lista de cursos sobre IA en Welcome AI – Bienvenida en el mundo de la Inteligencia Artificial y también puede ver tecnologías de código abierto y productos de AI en el sitio para ver cómo se utilizan algunas de estas tecnologías.

Bienvenido.AI – Aprende AI

Sugeriría seguir en este enlace todos los conceptos básicos necesarios para aprender AI / ML enumerados.

También puedes aprender Machine Learning en 90 días paso a paso.

¡¡Buena suerte!!

Comience con los conceptos de aprendizaje automático de los alumnos para interesarse por el tema. Luego, intente practicar y comprender el trabajo utilizando los conjuntos de datos de la red. Entrena y prueba el modelo.

Feliz aprendizaje..

Para tener una respuesta adecuada y útil, creo que debe dar detalles sobre usted:

• antecedentes
• tiempo disponible (tiempo parcial, tiempo completo)
• ¿Aprender AI para qué?

Tendrás respuestas más precisas

Mi amigo, has tomado un curso para dar tu paso al aprendizaje automático y el aprendizaje profundo. Recomendaría el curso de aprendizaje automático y quién puede aprender. sitio a seguir

Para Machine Learning, creo que este curso es bueno para comenzar.

Aprendizaje automático | Coursera

Los requisitos básicos necesarios para estudiar la inteligencia artificial son la lógica, el cálculo.

Aprende los conceptos básicos de la web. De lo que puede ingresar a los cursos en varios sitios como: Coursera, Stanford, Nptel, etc.