Estudiar el aprendizaje automático puede consistir en buscar investigación y avanzar en el campo del aprendizaje automático, o puede ser capaz de aplicar métodos de aprendizaje automático que ya se hayan establecido. Parece que estás más interesado en lo último. Debería centrarse en “hacer” aprendizaje automático, no solo estudiarlo. Si desea poder aplicar lo que aprende, la mejor manera de prepararse es tomarse el tiempo para desarrollar los algoritmos y usarlos, ¡ahora!
Esto ya puede ser parte de tu curso. En todos los cursos de aprendizaje automático que he tomado, siempre he aprendido más al sentarme frente a una computadora y codificar, con cualquier idioma y herramienta que quiera usar, pero desde cero, un sistema que funcione. Los conjuntos de datos son abundantes: el depósito de aprendizaje automático de UCI es un gran recurso para la capacitación y la prueba de datos.
¿Árboles de decisión de aprendizaje? Construye uno. Construye un solo árbol de decisión, construye un bosque, construye Adaboost. Aprendizaje de SVM? ¡Construye uno! ¡Construye TODAS las cosas! Luego pruébelos en conjuntos de datos y demuéstrese a sí mismo que puede “hacer” aprendizaje automático.
- ¿Qué es la minimización alterna en la optimización convexa?
- ¿Cuál es el mejor método de selección de características cuando los datos del tren tienen más características que el número de puntos de datos? ¿Asumir que los datos son muy grandes?
- ¿Cuáles son las debilidades del algoritmo estándar k-means (también conocido como algoritmo de Lloyd)?
- ¿Cómo se diseñan y desarrollan las nuevas arquitecturas de aprendizaje profundo?
- ¿Qué son los estados espurios en las redes Hopfield?
Y aún mejor, no te detengas allí; mejorar todo lo que construyes. Intenta ser lo más preciso posible. Esto lo obligará a examinar sus modelos de cerca y comprender cada parámetro y concepto que implemente. Le brindará un valioso conocimiento práctico sobre los tamaños de conjuntos de datos apropiados, los tamaños de conjuntos de características y las técnicas para la selección de modelos y / o parámetros.
Le garantizo que si desarrolla una implementación funcional de cada algoritmo que estudia, que, por cierto, puede ser extremadamente divertido y gratificante, tendrá una increíble cantidad de conocimiento aplicable al final del semestre.
PD: “Build” se deletrea muy, muy extrañamente. Escribir esta respuesta me ha mostrado esta simple verdad.