¿Cuál es mejor? ¿AI o machine learning nanodegree por Udacity?

En Machine Learning solo entrenamos a una computadora sobre cómo actuar en un escenario específico, pero en AI la exponemos a una gran cantidad de casos / escenarios para que la computadora pueda razonar y basar una lógica para el Escenario.

Udacity Machine Learning Nanodegree, enseña todo lo que necesita saber para ingresar al campo como Ingeniero de Datos / Científico. El curso de Aprendizaje automático se trata de métodos de aprendizaje como el enfoque de aprendizaje supervisado y no supervisado. Este programa de Nanodegree le enseñará cómo aplicar modelos predictivos a conjuntos de datos masivos en campos como finanzas, atención médica, educación y más. Machine Learning Nanodegree requiere conocimiento de:

  • Conocimiento intermedio de programación en Python
  • Conocimiento estadístico intermedio
  • Cálculo intermedio y dominio del álgebra lineal.

El programa Nanodegree de Inteligencia Artificial le presenta una amplia gama de subcampos de inteligencia artificial como visión artificial, robótica, aprendizaje por refuerzo, procesamiento del lenguaje natural, planificación (determinista y no determinista o estocástico) y algunos otros sabores de IA. Aprenderá a construir un juego de Agentes de juego y bots y se sumergirá en el campo masivo de la inteligencia artificial. Los requisitos previos para el Nanodegree de Inteligencia Artificial son:

  • Conocimientos básicos de álgebra lineal y cálculo.
  • La capacidad de aplicar probabilidad básica y estadísticas.
  • Experiencia en la implementación de algoritmos informáticos y programación orientada a objetos.
  • Buena experiencia en programación en Python

La decisión será suya, pero dado que tiene un buen conocimiento de programación, puede dar el salto de hacer el curso avanzado.

More Interesting

¿Es posible aplicar la localización de objetos sin tener regiones de caja en la verdad básica?

Cómo aplicar en la práctica PCA a la agrupación de trayectorias

¿Se puede usar tensorflow en SVM?

¿La segmentación de palabras chinas se considera un problema resuelto?

Cómo tener una buena inicialización de la probabilidad previa, la probabilidad de emisión en los modelos ocultos de Markov ya que los HMM son óptimos locales

¿Cuáles son los beneficios y desafíos de hacer una investigación de aprendizaje profundo en la academia, en comparación con la industria?

¿Cuál es la relación entre el aprendizaje automático y la minería de datos?

¿Cuáles son los documentos más importantes en el aprendizaje activo?

¿Cuál es la diferencia entre clasificación (binaria y multiclase), regresión y agrupamiento?

¿Cuáles son algunos de los mejores trabajos de investigación o libros para el aprendizaje automático?

¿Existe alguna posibilidad de que la química del aprendizaje automático pueda correlacionarse con la nanotecnología?

Inferencia bayesiana: si tuviera que trazar un millar de correos electrónicos basados ​​en "spaminess" utilizando un algoritmo simple de Naive Bayes para establecer la probabilidad de "spaminess" para el eje x, ¿cuál debería ser mi eje y?

¿Por qué estudiar el procesamiento del lenguaje natural?

¿Podría el aprendizaje automático haber evitado la crisis financiera?

¿Cuáles son las diferentes técnicas para el procesamiento del lenguaje natural para resolver un ensayo de clasificación automática?