De estos cursos, ¿cuál debería tomar más si quiero investigar en reconocimiento de patrones o visión por computadora?

Las dos mejores opciones son el análisis numérico y la conferencia especial. Depende de sus cursos anteriores y futuros, que es su mejor opción.

La investigación en reconocimiento de patrones está fuertemente relacionada con la visión por computadora, por lo que necesitará más o menos el mismo conocimiento previo. Considero que los siguientes temas son imprescindibles:

  • Procesamiento de señales digitales
  • Estadística
  • Inteligencia artificial (redes neuronales, svm, algoritmos genéticos, etc.)
  • Procesamiento de imágenes
  • Procesamiento de video

Si ya tuvo un curso sobre IA, le recomendaré tomar “4. Conferencias especiales” porque el procesamiento de señales de medios le dará una introducción a la visión por computadora. Sin embargo, si el objetivo del curso es cubrir todas las materias que enumeró, creo que no abarcará suficiente procesamiento de señal. Big data es un campo donde se aplica el reconocimiento de patrones, por lo que también sería beneficioso para usted.

Sin embargo, si planea tomar un curso de IA, “2. Análisis numérico” podría ser mejor porque le dará el conocimiento básico para SVM y redes neutrales debido al tema sobre la aproximación de funciones.

La mejor de las suertes.

El análisis numérico es la mayoría de estos cursos que necesita saber bien si desea dominar la visión por computadora y el reconocimiento de patrones.

El Big Data, la computación en la nube y el procesamiento de señales de medios hacen de la Conferencia Especial n. ° 4 la mejor opción para mí.

El segundo nivel son:
# 2 análisis numérico: debe tener una sólida base matemática para realizar un trabajo serio en ML o CV, por lo que el análisis numérico siempre es una opción segura. Si cree que ya tiene un fondo sólido (por ejemplo, valores propios, pagerank) puede optar por omitir;
y
# 3 Interfaces hombre-máquina: esto es relevante solo si le parece interesante y es posible que desee trabajar en áreas de ML y CV relacionadas con este campo.

Si el “procesamiento del lenguaje” fuera el “procesamiento del lenguaje natural”, definitivamente sería la mejor opción, pero lo que enumera a continuación no parece ser tan relevante.

Tome el procesamiento de señales de medios (si es matemáticamente riguroso, como un curso basado en Fourier o basado en herramientas en procesamiento de señales digitales), tal vez tome la realidad virtual (si aprende a programar para gráficos) y tome cualquier / todas las matemáticas, estadísticas serias, o cursos de ingeniería eléctrica que puedes encontrar. La clase en los órganos sensoriales humanos puede ser tangencialmente relevante, pero probablemente solo filosóficamente.

Mi consejo: cambiar de escuela. Vaya a algún lugar donde pueda aprender matemática / estadística, ingeniería y ciencias de la computación.

More Interesting

¿Cuál es el mejor marco de minería de datos?

¿Puede Quora generar un patrón para el futuro de las personas con sus respuestas y preguntas?

Mientras entrena una red profunda, una vez que la precisión del entrenamiento alcanza el 100%, ¿hay algún punto en entrenar la red durante más épocas?

¿Cuál es el papel de la informática en el aprendizaje automático?

Cómo demostrar que minimizar la suma residual de cuadrados es equivalente a maximizar la función de log-verosimilitud

¿Cómo funciona el algoritmo EM para un modelo mixto que factoriza según un modelo Naive-Bayes?

¿Qué está haciendo Wavii con el aprendizaje automático para redefinir cómo se realiza la búsqueda en la web?

Cómo entrenar a cualquier clasificador basado en características de texto en un documento EMR

Cómo desarrollar una aplicación que reproduzca música de acuerdo a tu estado de ánimo

¿Cuáles son las mejores herramientas para la minería de datos en Internet? ¿Qué debo usar para configurar un evento automático / alerta de tendencia?

¿Las herramientas como BigML o Google Prediction API dejarán a los expertos en aprendizaje automático fuera del trabajo?

¿Cuántas redes neuronales cubre el curso Coursera de Andrew Ng?

¿Cómo lidian las personas con visión artificial con el sobreajuste?

Cómo distinguir el Aprendizaje profundo de los anteriores análogos en las composiciones de funciones, más específicamente el trabajo reciente sobre el "proceso gaussiano profundo"

Ahora mismo estoy aprendiendo desarrollo web, pero no creo que me sea muy útil. ¿Debo aprender el aprendizaje automático o el desarrollo de software?