En términos de implementación de cualquier algoritmo de aprendizaje automático, hay tantas bibliotecas disponibles en la mayoría de los lenguajes de programación. Por lo tanto, no debería ser un problema comprender el uso de esas bibliotecas y adaptarlo según sus necesidades.
Cuando se trata de decidir el mejor algoritmo de aprendizaje automático, depende completamente de qué problema está tratando de resolver. Por ejemplo, si está trabajando en un problema de clasificación de texto, SVM funciona mejor en términos de precisión y eficiencia. Entonces, descubrir el mejor algoritmo es relativo al dominio de su problema.
Si desea conocer los mejores algoritmos para satisfacer sus necesidades, hay mucha literatura disponible en casi todos los dominios y la forma más sencilla de encontrarlos es google 🙂 Incluso si no es un experto en CS, estará capaz de manejar estos algoritmos si tienes una buena formación en matemáticas. Para comprender los principios detrás de cualquier algoritmo de aprendizaje automático, debe perfeccionar sus habilidades matemáticas.
- ¿Cuál es la ventaja de una red neuronal entrenable de extremo a extremo?
- ¿Cómo se puede utilizar el aprendizaje automático para la transcriptómica?
- ¿Qué tipo de habilidades de codificación se requieren para trabajar en el aprendizaje automático en empresas como Facebook, Quora, Google, Microsoft?
- ¿Cómo se realiza el aprendizaje automático supervisado cuando sus datos no caben en una sola máquina? ¿Los clasificadores de libros de texto como los clasificadores SVM o Naive Bayes siguen siendo tan importantes o incluso factibles a medida que aumenta el tamaño de sus datos o los algoritmos diferentes se vuelven más populares?
- ¿Por qué el uso de información mutua / ganancia de información / funciones similares funciona mejor que simplemente usar el error promedio (usando probabilidad) para un booleano (conjunto de datos de 2 clases) al construir un árbol de decisión?
