Con un doctorado en ciencias de la vida, es probable que ya tenga una sólida formación en estadísticas y no necesite repasar mucho en esta área.
Sin embargo, si desea comenzar con el aprendizaje automático, le recomiendo el siguiente enfoque:
Lea un libro de introducción, por ejemplo, Bishop’s Pattern Recognition y Machine Learning. Si algunos de los conceptos y pruebas son demasiado desafiantes, repase sus habilidades si es necesario en los campos.
- Planificación de MS en Informática o Ciencia de Datos. También teniendo en cuenta que tomaré un préstamo, ¿qué país / colegio / universidad sugeriría?
- ¿Qué hace que un problema de ciencia de datos sea interesante para usted?
- ¿El comercio de alta frecuencia y la ciencia de datos comparten muchas similitudes?
- ¿Cuál es el mejor MOOC para comenzar en Data Science?
- ¿Qué estadística simple o técnica de ciencia de datos utilizó para obtener una visión interesante cuando se enfrentó a grandes cantidades de datos?
– Álgebra lineal
– Cálculo
– Ecuaciones diferenciales
Además, mientras lee, intente implementar algunos de los algoritmos básicos en un lenguaje de programación básico, p. Ej. Python y Theano o equivalente. Esa es básicamente la mejor manera de aprender y le dará la práctica que necesita para investigar más tarde en ML.
Esto probablemente puede llevar un tiempo. Pero si tiene confianza en los conceptos básicos de ML, le recomiendo que siga con literatura sobre estructuras de redes neuronales profundas; Si está interesado en la investigación de ML, esta es probablemente la dirección más prometedora / emocionante. Después de trabajar en el libro de Bishop, que puede llevarle un mes o más, puede verificar si el libro de Yoshua Bengio ya está fuera 😉 (Aprendizaje profundo)
