Aquí lo que viene a mi mente ahora:
- Matlab (caja de herramientas estadísticas, caja de herramientas de procesamiento de imágenes, caja de herramientas de visión por computadora,… .etc)
- Enlaces útiles :
- MATLAB: ejemplos de estadísticas y aprendizaje automático
- Colección completa de tutoriales de MATLAB
- debería sentirse cómodo escribiendo código para crear muchas estructuras de datos (como gráficos y árboles) y buscando y clasificando algoritmos.
MIT estructuras de datos y algoritmos - Será extremadamente útil para usted poder trabajar con la biblioteca openCV que funciona en el lenguaje de programación Python.
OpenCV Computer Vision Tutoriales
- La capacidad de trabajar con R será muy útil para usted (más en aprendizaje automático que en visión artificial).
R Tutoriales de programación: R Software estadístico (Todos los videos R)
- ¿Cuál es el minimizador de [matemáticas] H [f] = \ sum ^ {N} _ {i = 1} \ | y ^ {(i)} - f (x_i) \ | ^ 2_ {2} + \ lambda \ | Pf \ | ^ 2 [/ math] cuando la salida es un vector?
- ¿Es el número de nodos en una capa oculta más que la capa de entrada? ¿Es esto un problema? ¿Qué se puede aprender en tales redes neuronales?
- ¿Qué es la discretización de características?
- Además de TensorFlow, ¿qué otras bibliotecas de reconocimiento de imágenes son fáciles de usar y mejores?
- ¿Una red neuronal necesita un nodo de salida para cada cosa que pueda clasificar?
Creo que estos son buenos principios para comenzar.