Como lo entiendo, Machine Learning es parte de la Inteligencia Artificial y NLP usa ML. Siguiendo esa lógica, un principiante debería comenzar con IA, hacer las partes de Machine Learning y luego profundizar en Machine Learning.
Encontrará la mayoría de los cursos en una universidad suficientemente buena siguiendo ese patrón. El curso de IA de UC Berkeley es un excelente ejemplo, y uno excelente para comenzar. Comienza con una simple búsqueda en el espacio de estados, continúa con cosas más inteligentes como los procesos de decisión de Markov, seguido de las probabilidades y la teoría de la decisión bayesiana, los modelos ocultos de Markov y converge lenta y muy sutilmente al aprendizaje automático. Toma las conferencias de inteligencia artificial de Patrick Winston del MIT, sigue un patrón similar. La PNL es una rama de estudio diferente, que, como mencioné anteriormente, usa ML, por lo que idealmente ML debería venir antes que la PNL.
¡Aclamaciones!
- ¿Qué es la pérdida de confrontación en el aprendizaje automático?
- Se me ocurrió la idea de un proyecto, lo ejecuté y seré el primer autor de la publicación. Mi IP solicitó presentarlo por primera vez en una conferencia antes de su publicación. ¿Debería dejarlo?
- ¿Es beneficioso hacer un proyecto con algún profesor al final del primer año en IIT BHU?
- ¿Por qué Windows Update conlleva un 10% de riesgo de estropear su computadora?
- ¿Existe una opción (no software) para proteger con contraseña una carpeta en Windows 7?
