Gracias por el A2A!
Como ya se señaló, sería una buena idea comenzar con estadísticas y probabilidad. Aquí hay una serie de conferencias que puede usar para eso:
También debe conocer los conceptos básicos de álgebra lineal para comprender los conceptos detrás de los algoritmos básicos de aprendizaje automático.
- ¿Cuál es su opinión sobre el curso de ciencia de datos de la Asamblea General?
- ¿Los datos de centrado y escalado siempre dan mejores modelos lineales?
- ¿Qué habilidades de análisis de datos requieren las grandes consultoras?
- ¿Cuáles son algunos de los mejores algoritmos de minería de datos de predicción de ventas?
- ¿Cómo es hacer un doctorado en aprendizaje automático / minería de datos / big data en una escuela de negocios?
Álgebra Lineal | academia Khan
Una vez hecho esto, es posible que desee elegir el idioma en el que desea implementar los algoritmos. Yo personalmente recomendaría Python, ya que es fácil de usar y tiene una demanda muy creciente. En primer lugar, concéntrese en las bibliotecas numpy, pandas y matplotlib después de lo básico.
Con estos, habría establecido una base sólida para aprender ciencia de datos.
Luego puede concentrarse en aprender los diversos algoritmos y técnicas de modelado involucrados. Para comenzar, recomiendo el curso de Andrew Ng sobre Machine Learning.
Aprendizaje automático | Coursera
El único inconveniente es que implementará las tareas de este curso en Octaves.
Tendrá que aprender sobre la biblioteca scikit-learn (hay otras, pero esta es una buena para empezar) en python, lo que facilita mucho el modelado.
Hay conceptos como limpieza de datos, EDA, ingeniería de características, ajuste de hiperparámetros, etc. para los cuales deberá seguir blogs. http://analyicsvidhya.com es un excelente lugar para esto.
Centrarse en los temas en esta secuencia debería hacer que su viaje sea suave y productivo.
¡Buena suerte!
