¿Debo saber Python y R para aprender Machine Learning?

Sí, hay algunas alternativas, pero las empresas no usarán esas herramientas para el aprendizaje automático porque esas herramientas son algo rentables.

Entonces, la mayoría de las compañías [casi] están usando R y Python. así que aprenda programación de Python y R, puedo sugerirle los mejores cursos en línea.

Los mejores cursos en línea de Python

  • Completa Python Bootcamp: pasa de cero a héroe en Python
  • Completa clase magistral de Python
  • La Biblia de Python ™ | Todo lo que necesitas programar en Python [MEJOR]

Elige el tercer curso ..

De este curso puedes aprender sobre:

  • Variables: ¡aprenda a almacenar convenientemente datos en sus programas!
  • Números: ¡aprenda cómo funcionan los números detrás de escena en sus programas!
  • Cadenas – ¡Domina el texto de Python y automatiza los mensajes usando cadenas!
  • Lógica y estructuras de datos: ¡enseñe a su programa a pensar y decidir!
  • Bucles: ahorre tiempo y esfuerzo, haciendo que las computadoras hagan el trabajo duro por usted.
  • Funciones: automatice las tareas creando sus propias funciones de Python que puede usar una y otra vez.
  • OOP: agregue Python a su currículum al dominar la programación orientada a objetos, ¡el estándar de programación de la industria!

y también..

  • Construye 11 proyectos de Python 3 fáciles de seguir
  • Automatice las tareas de codificación creando funciones personalizadas de Python
  • Agregue Python 3 a su currículum entendiendo la programación orientada a objetos (OOP)
  • Usar variables para rastrear datos en programas de Python
  • Use números para crear la funcionalidad “detrás de escena”
  • Use cadenas para crear experiencias de usuario personalizadas y comprometidas
  • Cree programas que puedan pensar usando estructuras lógicas y de datos
  • Use bucles para mejorar la eficiencia, ahorrar tiempo, maximizar la productividad

Los mejores cursos en línea de programación de R

  • Aprender R por práctica intensiva
  • R Programming AZ ™: R para la ciencia de datos con ejercicios reales.
  • Programación R: análisis avanzado en R para ciencia de datos

Toma el primero

Se sabe que R tiene una curva de aprendizaje empinada y las explicaciones en la mayoría de los tutoriales son a menudo vagas y de alto nivel. Pero este curso es diferente. Los conceptos están estructurados paso a paso, donde un concepto conduce al siguiente tema lógico y se basa en él. Todos los temas se cierran con un desafío de codificación asociado similar al que encontrarás en el mundo real.

Aquí puedes aprender

  • Haz cualquier tipo de manipulación de datos
  • Cree y domine la manipulación de vectores, listas, marcos de datos y matrices.
  • Escriba estructuras de control condicional, depure y maneje errores de manera eficiente
  • Escriba con confianza las funciones apply () y diseñe cualquier lógica dentro de la función apply.
  • Manejar fechas usando lubridate y manipular cadenas con el paquete stringr
  • Derretir, remodelar, agregar y crear tablas dinámicas a partir de marcos de datos

Todo lo mejor .

No es necesario. R y Python son solo herramientas populares en el aprendizaje automático. Sin embargo, existen alternativas a las mismas como SAS® Enterprise Miner, que tiene una buena GUI (Enterprise Guide & Miner) para que las personas aprendan rápidamente. Pero es una alternativa costosa.

Siempre es mejor tener conocimiento previo de cualquiera de los dos lenguajes de programación. porque para aprender los aspectos teóricos de la asignatura no es difícil, pero para aplicar esos algoritmos es necesario tener conocimiento previo de cualquiera de los dos idiomas. El nivel intermedio estaría bien para trabajar.

More Interesting

¿Qué es mejor para alguien que esté dispuesto a hacer un doctorado en visión artificial: conocer un método en profundidad y aplicaciones ampliamente, o lo contrario?

Los hiperparámetros del modelo de sintonización no encontraron los parámetros óptimos que uso en mi modelo. ¿Por qué?

¿Puedo usar el algoritmo de aprendizaje automático en mi proyecto de investigación aunque no soy un experto en él?

En una explicación intuitiva, ¿cómo puedo calcular formas primarias y duales en SVM?

¿Por qué la red bayesiana no ha tenido tanto éxito como la red neuronal profunda?

¿Qué son los núcleos de difusión?

¿Qué es la selección de variables en bloques cuando se hace un análisis de regresión?

¿Son los modelos gráficos probabilísticos comúnmente vistos / muy utilizados en la minería de datos práctica / cotidiana?

Cómo determinar la distribución que sigue un conjunto de datos

¿Qué es el aprendizaje automático en la predicción de emociones basada en texto?

¿Debo eliminar las URL cuando hago el preprocesamiento para un análisis de sentimientos de Twitter?

¿Dónde se usa la función de pérdida con clases verdaderas desconocidas?

¿La investigación actual sobre el procesamiento del lenguaje natural gira principalmente en torno al aprendizaje profundo? Si no, ¿cuáles son las técnicas modernas alternativas?

Como desarrollador web junior sin una sólida base matemática, ¿qué enfoques debo tomar para dominar el aprendizaje automático y aplicarlo al mundo empresarial? Acabo de empezar a estudiar la "Introducción al álgebra lineal" de Gilbert Strang.

Cómo detectar texto / imágenes en una imagen de documento