Puedes probar el curso de aprendizaje automático de Andrew Ng si eres un principiante completo.
¿Pero es probable que ya supieras sobre el curso?
Solo desea aprender rápidamente la regresión lineal básica sin comprometerse con un trabajo académico pesado, ¿verdad?
Si eso es cierto o incluso si no lo es, mi sugerencia es tomar el curso para aprender regresión y mucho, mucho más.
- ¿Cuál es la diferencia entre Bayes ingenuo y la entropía máxima?
- ¿Un doctorado en aprendizaje automático centrado en un tema que no sea el aprendizaje profundo seguirá siendo comercializable (en la industria) en 2020?
- ¿Qué es mejor, el algoritmo de vecinos más cercanos a k (k-NN) o el clasificador de máquina de vectores de soporte (SVM)? ¿Qué algoritmo se usa principalmente en la práctica? ¿Qué algoritmo garantiza una detección confiable en situaciones impredecibles?
- ¿Cómo sabes que tienes que "maximizar" el lagrangiano para resolver el problema dual?
- 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?
El curso comienza desde lo más básico asumiendo que no está familiarizado con el cálculo o el álgebra lineal. Debería poder hacer fácilmente el módulo de regresión lineal (semana 2) en 2-3 días si tiene alguna experiencia previa en programación básica. Implementará una regresión lineal en un conjunto de datos de precios de la vivienda. Si elige continuar el curso más adelante, aprenderá cómo ajustar la regresión, cómo usar diferentes figuras de mérito y encontrará muchos otros conjuntos de datos interesantes para ejecutar la regresión y otras técnicas.
Coursera
Si solo desea conjuntos de datos para prueba, puede consultar
Depósito de aprendizaje automático UCI: conjuntos de datos
Una búsqueda rápida en Google debería darle muchos más. También puede ejecutar una regresión lineal en el conjunto de datos de pasajeros titánicos en kaggle.
