Como Sai Prabhanjan Reddy ha mencionado, puede comenzar con The Home of Data Science. Solo para agregar más contexto, puedo decirte cómo me va con el aprendizaje de los conceptos. Entre R y Python, elegí Python porque ya tenía experiencia en desarrollo y es muy fácil de usar. Empecé aquí Aprender ciencia de datos en línea y completé el curso básico para aprender Pandas. Pandas es una biblioteca utilizada para manejar datos similares a Excel y para limpiar los datos. Más tarde comencé con scikit-learn desde aquí scikit-learn: aprendizaje automático en Python. Ya tenía cursos de aprendizaje automático durante mi universidad. Pero puede tomar cualquier curso de aprendizaje automático de Course / edX / Udacity para obtener los conceptos básicos.
Una vez que tenga una idea de los conceptos básicos, puede comenzar a usar diferentes algoritmos de scikit-learn como SVM, árboles de decisión para tener una idea sobre qué algoritmos son los más adecuados para cada problema. Luego puede estudiar sobre embolsado y refuerzo para aumentar la precisión de la predicción. A partir de aquí, puedes aprender todo lo que te interese en redes neuronales, aprendizaje profundo, etc. Participa en competiciones de Kaggle y hazte la prueba. Ir a través de los foros de kaggle para obtener conocimiento. Kaggle ofrece una opción para ver otras secuencias de comandos también donde puede obtener información.
- ¿Qué está impulsando la prisa de la industria financiera para adoptar Big Data?
- ¿Qué es una tubería de análisis de datos?
- Cómo cuidar sus datos de aprendizaje automático cuando hay demasiados experimentos
- ¿Cómo se ha aplicado el aprendizaje automático a la asistencia sanitaria?
- Como científico de datos, ¿es útil una clase de análisis de algoritmos?
