Depende de lo que intentes aprender. Si realmente te importa la teoría y las matemáticas detrás del aprendizaje automático, entonces sin duda sí. El curso profundiza en la teoría detrás de los algoritmos de ML más utilizados. Requiere que los implemente en matlab, pero no se enfoca tanto en la implementación como en la teoría. Si su objetivo es poder escribir sus propios algoritmos de ML pronto, entonces este curso no es el modo de investigación más efectivo. Hay artículos mucho más abreviados que podrían darle las teorías básicas de muchos algoritmos de ML. Luego puede ver ejemplos y tutoriales para escribir algoritmos usted mismo.
Al final, solo depende de lo que estés buscando. También tomé el primer mes más o menos de este curso antes de darme cuenta de que el resto del curso no me ayudaría a escribir algoritmos de ML mucho mejor. Las bibliotecas como Theano o Tensoflow en Python pueden manejar la mayoría de las derivaciones, por lo que solo necesita comprender la propagación directa y la esencia del algoritmo. ¡Sin embargo, es un curso muy bien enseñado!
- ¿Cuál es la diferencia entre adaboost y el clasificador de perceptrones de una capa?
- Cómo planear mover mi carrera hacia el aprendizaje automático en India
- ¿Debo aprender el aprendizaje automático y el desarrollo de aplicaciones de Android simultáneamente? En caso afirmativo, ¿a qué lenguaje (s) de programación debo recurrir?
- Cómo corregir el sobreajuste
- Tengo una nube de puntos y necesito hacerla coincidir con un modelo CAD en una base de datos de ~ 500 modelos. ¿Qué algoritmos podría usar?
