El aprendizaje profundo, al ser un subcampo del aprendizaje automático, utiliza muchos conceptos estándar de aprendizaje automático, como la configuración de aprendizaje supervisado [configuración de entrenamiento-validación-prueba], funciones de costo / pérdida, descenso de gradiente, etc.
Puede aprender estos conceptos mientras aprende el aprendizaje profundo, pero por lo general, muchos tutoriales de aprendizaje profundo suponen que tiene una formación básica en ML, por lo que es probable que encuentre una mejor cobertura de dichos conceptos en los tutoriales introductorios de ML.
Entonces, mi recomendación es que pases un tiempo repasando los conceptos básicos de ML. No necesitas pasar mucho tiempo; incluso una o dos semanas deberían ser suficientes. Creé una hoja de ruta de 10 días para repasar los conceptos básicos de ML, que puede ver: la respuesta de Prasoon Goyal a ¿Cómo aprendo Machine Learning en 10 días?
- ¿Es Computer Networking de Kurose y Ross un buen libro para prepararse para la ubicación en el campus?
- ¿Es Giga Flops una forma confiable de comparar la velocidad de los procesadores de la computadora (no le interesa la potencia u otros parámetros)?
- Cómo minar bitcoin desde cero sin experiencia
- ¿Se pueden reemplazar los párrafos de correo electrónico por mensajes de viñeta?
- ¿Son increíbles las IIT solo por la calidad de los estudiantes que hay allí? No es la facultad, la enseñanza, etc. (¿Jairam Ramesh tiene razón?)