Siempre sugiero en línea,
Porque, explican claramente mediante el uso de infografías, imágenes PPT,
- ¿Cómo entrenamos redes neuronales en imágenes en lugar de datos numéricos?
- ¿Cuáles son los mejores cursos introductorios para el aprendizaje automático disponibles en Internet para principiantes?
- ¿Por qué la regresión logística se considera robusta a los valores atípicos en comparación con un método de mínimos cuadrados?
- En reconocimiento facial, ¿son las huellas faciales y los vectores de características lo mismo? Si no, ¿en qué se diferencian?
- ¿Puede una sola red neuronal de capa oculta aprender a jugar Atari Pong desde píxeles sin formato de un solo cuadro?
Y también puede aprender los últimos algoritmos. Pero en Offline te enseñarán algoritmos antiguos, sin soporte adicional.
En línea es mejor. Te sugiero un curso de aprendizaje automático en línea.
Machine Learning AZ ™: Python práctico y R en ciencia de datos
Este curso es divertido y emocionante, pero al mismo tiempo nos sumergimos profundamente en Machine Learning. Está estructurado de la siguiente manera:
- Parte 1: preprocesamiento de datos
- Parte 2: Regresión: Regresión lineal simple, Regresión lineal múltiple, Regresión polinómica, SVR, Regresión de árbol de decisión, Regresión forestal aleatoria
- Parte 3 – Clasificación: Regresión logística, K-NN, SVM, Kernel SVM, Naive Bayes, Clasificación del árbol de decisión, Clasificación aleatoria del bosque
- Parte 4 – Agrupación: K-medias, agrupación jerárquica
- Parte 5 – Aprendizaje de reglas de asociación: Apriori, Eclat
- Parte 6 – Aprendizaje de refuerzo: límite de confianza superior, muestreo de Thompson
- Parte 7 – Procesamiento del lenguaje natural: modelo de bolsa de palabras y algoritmos para PNL
- Parte 8 – Aprendizaje profundo: redes neuronales artificiales, redes neuronales convolucionales
- Parte 9 – Reducción de dimensionalidad: PCA, LDA, Kernel PCA
- Parte 10 – Selección y refuerzo del modelo: validación cruzada k-fold, ajuste de parámetros, búsqueda de cuadrícula, XGBoost
Además, el curso está repleto de ejercicios prácticos basados en ejemplos en vivo. Entonces, no solo aprenderá la teoría, sino que también obtendrá práctica práctica para construir sus propios modelos.
Y como beneficio adicional, este curso incluye plantillas de código Python y R que puede descargar y usar en sus propios proyectos.
Todo lo mejor .