He enumerado los 10 mejores cursos de inteligencia artificial y aprendizaje automático que lo ayudarán a convertirse en el siguiente maestro de ML que emplea Google o Apple. Obviamente, es un trabajo diligente, pero en el caso de que busque algo, encontrará formas como estas para tener éxito.
1. Introducción de Udacity al aprendizaje automático
Este curso le muestra todo, desde la agrupación hasta los árboles de elección, desde cálculos de ML como Adaboost hasta SVM. Las personas también prescriben que tome el curso básico de Introducción a la Ciencia de Datos que administra la Manipulación de Datos, Análisis de Datos, Comunicación de Datos con Visualización de Información, Datos a Escala, etc. Este curso es de alrededor de 10-11 semanas, muestra todo lo que tiene que saber para tratar con información colecciones que utilizan sistemas de aprendizaje automático para separar fragmentos valiosos de conocimiento. Los maestros Sebastian Thrun y Katie Malone anticiparán que los pies tiernos conocerán ideas fácticas fundamentales y Python.
Enlace del curso: https://www.udacity.com/course/intro-to-machine-learning–ud120
2. El aprendizaje profundo de Google
El curso lleva a Vincent Vanhoucke y Arpan Chakraborty anticipa que los estudiantes tendrán experiencia en programación en Python y algún encuentro con GitHub y conocerán las ideas fundamentales de ML y mediciones, matemática basada en variables directas y análisis. El curso TensorFlow (la propia biblioteca de aprendizaje profundo de Google) tiene un punto de vista preferido adicional para actuar de forma natural. Udacity ofrece este sorprendente curso gratuito que “lleva el aprendizaje automático al siguiente nivel”. El curso de 3 meses de Google no es para principiantes. Discute la inspiración para el aprendizaje profundo, redes neuronales profundas, redes convolucionales y modelos profundos para texto y secuencias.
Enlace del curso: https://www.udacity.com/course/deep-learning–ud730
3. Aprendizaje automático de Andrew Ng
Este curso cubre el aprendizaje supervisado y no supervisado, la regresión lineal y logística, la regularización y Naïve Bayes. Andrew Ng, profesor asociado de la Universidad de Stanford, utiliza Octave y MatLab toma este curso de 11 a 12 semanas. El curso es rico en la posibilidad de que los estudios de casos y las aplicaciones prácticas recientes. Se confía en que los estudiantes conozcan los rudimentos de probabilidad, álgebra lineal e ingeniería de software. El curso tiene buenas críticas de los clientes.
Enlace del curso: https://www.coursera.org/learn/m …
4. Inteligencia artificial: principios y técnicas de Stanford
Este curso de Stanford analiza cómo la IA utiliza herramientas matemáticas para gestionar problemas complejos, por ejemplo, interpretación de máquinas, reconocimiento de voz y rostro y conducción autónoma. Puede acceder al diseño completo de la dirección: ideas de aprendizaje automático; búsqueda de árboles, programación dinámica, heurística; jugando juego; Procedimientos de decisión de Markov; problemas de satisfacción de restricciones; Sistemas bayesianos; y justificación, y asignaciones.
Enlace del curso: http://web.stanford.edu/class/cs …
5. Aprendizaje de EdX a partir de datos (Aprendizaje automático introductorio)
Yaser S. Abu-Mostafa, profesor de Ingeniería Eléctrica y Ciencias de la Computación en el Instituto de Tecnología de California, le mostrará los estándares hipotéticos fundamentales, los cálculos y los usos del aprendizaje automático. El curso requiere un esfuerzo de 10 a 20 horas por semana y continúa durante 10-11 semanas.
Enlace del curso: https://www.edx.org/course/learn … #!
6. La inteligencia artificial de Udacity para robótica de Georgia Tech
Ofrecido por Udacity, este curso discute la programación de un auto robótico de la forma en que Stanford y Google lo hacen. Es una parte del curso de Deep Learning Nanodegree Foundation. Sebastian Thrun discutirá la localización, los canales de Kalman y de partículas, el control PID y SLAM. El manejo sólido de los conceptos matemáticos como el álgebra lineal y la probabilidad, el conocimiento de Python y la experiencia en programación son imprescindibles.
Enlace del curso: https://www.udacity.com/course/artificial-intelligence-for-robotics–cs373
7. Aprendizaje automático factual
Su educador sobre la disposición de las direcciones de video (en YouTube) en Advanced Machine Learning es Larry Wasserman, profesor del Departamento de Estadística y del Departamento de Machine Learning de la Universidad Carnegie Mellon.
Los requisitos para este curso son sus direcciones sobre Estadísticas Intermedias y Aprendizaje Automático planificadas para Ph.D. suplentes. En el caso de que no pueda acceder a estos cursos, debe garantizar que tiene las aptitudes necesarias de matemáticas, ingeniería de software y detalles.
Enlace del curso: https://www.youtube.com/watch?li …
8. Redes neuronales de Coursera para el aprendizaje automático
El distinguido profesor emérito Gregory Hinton, pionero en el campo del aprendizaje profundo, las grabaciones de videos de Hinton en YouTube discuten el uso de sistemas neuronales en la segmentación de imágenes, el movimiento humano, el lenguaje de modelado, el habla y el reconocimiento de objetos, etc. Se confía en que los estudiantes están bien con las matemáticas y tener una participación imperativa en la programación de Python. Este es un curso impulsado de 16 semanas ofrecido por Coursera
Enlace del curso: https://www.youtube.com/watch?li …
9. Inteligencia artificial de EdX
Este curso energizante de EdX analiza aplicaciones de IA, por ejemplo, robótica y PNL, algoritmos de aprendizaje automático, estructuras de datos, juegos y problemas de satisfacción de restricciones. Continúa durante 12 semanas y es un ejercicio de instrucción de nivel impulsado de la Universidad de Columbia.
Enlace del curso: https://www.edx.org/course/artif …
10. Para la teoría del aprendizaje
A continuación se encuentran las clases gratuitas de IA en línea que cubren muchos conceptos básicos.
Enlace de cursos: https://www.coursera.org/special …
CURSOS ADICIONALES GRATUITOS (hasta 2017)
Introducción a la IA: https://www.udacity.com/course/c…
Redes neuronales para el aprendizaje automático: https://www.coursera.org/course/ …
Procesamiento del lenguaje natural: https://www.coursera.org/course/ …
Planificación de AI: https://www.coursera.org/course/ …
Neurociencia Computacional: https://www.coursera.org/course/ …
IA antigua y moderna: http://aima.cs.berkeley.edu/
Aprendizaje automático estadístico: http://scikit-learn.org/stable/
Cálculo evolutivo: https://code.google.com/p/deap/
MIT opencourseware: http://ocw.mit.edu/courses/elect …
Principios y técnicas de IA: http://web.stanford.edu/class/cs …
Introducción AI: http://ai.berkeley.edu/course_sc …
Curso CS188.1x: UC BerkeleyX: CS188.1x: Inteligencia Artificial
Curso de aprendizaje automático sobre aprendizaje supervisado
Curso de aprendizaje automático sobre aprendizaje no supervisado
Curso de aprendizaje automático sobre aprendizaje por refuerzo
APRENDIZAJE MÁQUINA (GRATIS)
FUNDAMENTOS DE APRENDIZAJE DE MÁQUINAS: UN ENFOQUE DE ESTUDIO DE CASO (GRATIS)
APRENDIZAJE DE MÁQUINAS: REGRESIÓN (GRATIS)
APRENDIZAJE DE MÁQUINAS: CLASIFICACIÓN (GRATIS)
APRENDIZAJE DE MÁQUINAS: CLUSTERING Y RECUPERACIÓN (GRATIS)
APRENDIZAJE DE MÁQUINAS PARA CIENCIA DE DATOS Y ANÁLISIS (GRATIS)
APRENDIZAJE DE LOS DATOS (GRATIS)
APRENDIZAJE ESTADÍSTICO (GRATIS)
ML con Python: https://www.edx.org/courses/Berk …
Nota adicional:
Si desea aprender temas avanzados específicamente sobre ML, puede probar el curso CS229 Stanford de Andrew Ng . Obtendrá todo el curso (conferencias, tareas, notas, etc.) en iTunes .
