No necesitas un fondo matemático muy fuerte para saltar al aprendizaje automático. Álgebra lineal, cálculo multivariante y un par de clases de estadísticas te enseñarán casi todo lo que necesitas. Si su universidad lo ofrece, vale la pena tomar un curso de estadísticas bayesianas, pero no es obligatorio.
Eso no quiere decir que no haya matemáticas en ML, es solo que sería mucho mejor leer e implementar documentos, o crear proyectos de aprendizaje automático que tomar clases de matemáticas. Un plan de estudios de ingeniería tradicional le enseñará todas las matemáticas que necesita en los primeros 1 a 2 años sin que haga un esfuerzo explícito.
En cuanto al lenguaje de programación, debes aprender Python. C ++ también sería útil, pero Python será más fácil para empezar.
- ¿Qué es más prometedor entre el aprendizaje automático y el aprendizaje profundo?
- ¿Qué tan lejos estamos de desarrollar una IA fuerte, con propiedades de aprendizaje recursivo que resulten en falacias lógicas?
- ¿Qué tipo de técnicas de aprendizaje automático utilizará la industria dentro de 10 años?
- ¿Google DeepMind AI dominará el videojuego LoL, inventará un nuevo meta y superará a SKT si está desarrollado para hacerlo?
- ¿Cuáles son algunos de los sistemas de conversación de IA más modernos?
Sin embargo, en general, debes dejar de pensar en las cosas en términos de requisitos previos. Puede comenzar a aprender y hacer aprendizaje automático hoy. Puede ser un poco lento, pero es mejor que estudiar matemáticas durante dos años antes de comenzar. Lea documentos, juegue con sklearn, aprenda el flujo de tensor. Así aprenderá el aprendizaje automático.
Incluso ir a la escuela de posgrado para el aprendizaje automático no es una necesidad. Toneladas de estudiantes universitarios que hacen un trabajo realmente increíble en el campo y realmente solo te lastimas si te dices a ti mismo que necesitas años de matemáticas antes de abordar el problema.
