Será útil: Sí, definitivamente.
¿Es suficiente? No
Ejemplo: suponiendo que haya estudiado este curso, es posible que haya aprendido sobre los sistemas de recomendación. Entonces, después de aprender eso, dado un conjunto de datos, podrá crear un prototipo de un sistema de recomendación. Pero espera, piensa en estas preguntas
1. ¿Podrá integrar este recomendador en su sitio web donde tendrá un valor real, solo con la ayuda de este curso? En otras palabras, ¿cómo hará que esto se ejecute en datos en tiempo real que tienen volumen, variedad y velocidad?
- ¿Cuál es la diferencia entre la red neuronal y la regresión logística?
- ¿Existe algún proyecto de código abierto que implemente algoritmos de aprendizaje profundo que aproveche la enorme potencia informática paralela de la GPU?
- ¿Es posible comenzar a aprender y trabajar en el aprendizaje por refuerzo y el aprendizaje profundo sin un conocimiento previo sólido de otras clases de ML?
- ¿Cómo se determina el rango de posibles valores lambda cuando se realiza la validación cruzada en una regresión de lazo?
- ¿Cuándo se ajusta bien un modelo de mezcla gaussiana?
2. El conjunto de datos dado en el curso son “conjuntos de datos de juguete”, los conjuntos de datos reales son mucho más diferentes que esos. Alrededor del 60% del esfuerzo en ciencia de datos se destina a llevar esos conjuntos de datos reales a un formato significativo y luego el algoritmo sigue y un caso similar para el formato de salida del algoritmo también.
También hay algunos otros puntos, pero esos son desde un punto de vista matemático donde cuestionas la corrección / aplicabilidad de un algoritmo en sí.
Si ya tiene experiencia en desarrollo de software, entonces no es muy difícil.
