Soy un principiante en Python. Estoy interesado en el aprendizaje automático y la inteligencia artificial. Sé cosas básicas. ¿Debo saltar directamente a AI y ML?

No tiene que ser un profesional en python ni en ningún otro idioma para comenzar el aprendizaje automático o la inteligencia artificial. Es más importante comprender los conceptos del tema que las herramientas. Mejorarás tus habilidades de codificación en el camino.

A veces parece divertido cuando miro hacia atrás cómo ha cambiado mi camino personal. He tenido muchas experiencias con .NET ya que lo he usado durante varios años. Luego, cuando comencé con PhD, me di cuenta de que Python es más conveniente y lo cambié. Luego me di cuenta de que es más fácil trabajar en Linux en lugar de Windows (ahora trabajo en OSX o Ubuntu).

De todos modos, considere el lenguaje de programación como una herramienta. Por otro lado, fue divertido en la empresa anterior para la que trabajé: el departamento de marketing compró una costosa herramienta de aprendizaje automático y la usó para predecir qué clientes van a cancelar un plan de suscripción y la herramienta les ayudó a darse cuenta de que las personas mayores de 80 años están lo más probable es que cancele el plan de suscripción, así que me preguntaba si iban a vender píldoras para prolongar la vida útil a fin de aumentar los ingresos en el sector de las telecomunicaciones.

El punto es encontrar las herramientas que sean más adecuadas para resolver problemas que usted entienda y no esperar que las herramientas sin comprensión hagan el trabajo por sí mismas. Establezca sus prioridades de aprendizaje en consecuencia.

Antes de saltar a la IA y ML debe tener un breve conocimiento sobre los paquetes que se utilizan para la visualización de datos, porque estos paquetes se usarían de vez en cuando en ML . Así que creo que antes de saltar directamente a AI y ML deberías estar bien versado en python.

Algunos de los paquetes son: –

  1. NumPy es la biblioteca fundamental para la computación científica en Python, y muchas de las bibliotecas de esta lista usan matrices NumPy como entradas y salidas básicas. En resumen, NumPy introduce objetos para matrices y matrices multidimensionales, así como rutinas que permiten a los desarrolladores realizar funciones matemáticas y estadísticas avanzadas en esas matrices con el menor código posible.
  2. Pandas agrega estructuras de datos y herramientas que están diseñadas para el análisis práctico de datos en finanzas, estadísticas, ciencias sociales e ingeniería. Pandas funciona bien con datos incompletos, desordenados y sin etiquetar (es decir, el tipo de datos que es probable que encuentre en el mundo real), y proporciona herramientas para dar forma, fusionar, remodelar y segmentar conjuntos de datos.
  3. matplotlib es la biblioteca estándar de Python para crear diagramas y gráficos en 2D. Es de nivel bastante bajo, lo que significa que requiere más comandos para generar gráficos y figuras de aspecto agradable que con algunas bibliotecas más avanzadas.
  4. SciPy se construyó en NumPy al agregar una colección de algoritmos y comandos de alto nivel para manipular y visualizar datos. Este paquete incluye funciones para calcular integrales numéricamente, resolver ecuaciones diferenciales, optimización y más.

Puede comenzar aprendiendo primero los conceptos básicos del aprendizaje automático supervisado (este suele ser un buen punto de partida).

Scikit-learn [1], una biblioteca de aprendizaje automático de Python, tiene una buena introducción sobre el tema.

Puede complementar esta introducción con el siguiente curso de Udemy [2] (no gratuito).

Una vez que se sienta cómodo con lo básico, puede pasar a otras materias más elaboradas.

¡Buena suerte!

Notas al pie

[1] Una introducción al aprendizaje automático con scikit-learn

[2] Ciencia de datos: aprendizaje automático supervisado en Python

Nunca es demasiado temprano para comenzar. No empieces a aprender IA todavía, comienza con ML. ML es una “puerta de entrada” a la IA, es más fácil que el conjunto y es más aplicable en la industria (es más probable que consiga un trabajo antes). Sabrás cuándo es el momento adecuado para comenzar a aprender los otros aspectos de la IA.

El curso Andrew Ng Coursera es el mejor principiante. Necesitarás matemáticas (Estadísticas, Calc, Álgebra lineal) pero puedes retomarlas en el camino. Estás en lo correcto al elegir Python, es el idioma más popular para la tarea. Consulte mi Guía de aprendizaje automático de podcast donde lo guiaré a través de los conceptos básicos de alto nivel de lo que necesita saber.

Sí, puedes saltar directamente al aprendizaje automático y al aprendizaje profundo. Solo estas cosas que necesita sobre Python antes de ingresar al aprendizaje automático, además de la gramática, son estas bibliotecas.

  • numpy: NumPy – NumPy
  • pandas: Biblioteca de análisis de datos de Python
  • matplotlib: Python plotting – documentación de Matplotlib 2.0.2
  • scikit-learn: scikit-learn: aprendizaje automático en Python

Yo recomendaría aprender a programar correctamente primero. ¡Es muy importante saber esto; de lo contrario, se sentirá frustrado cuando haga ML! Cuando esté en un nivel decente (no necesita ser un experto todavía) comience a hacer algunos desafíos simples de aprendizaje automático, intente seguir los ejemplos en sk learn, comience a jugar con numpy, vea cómo funciona keras. Luego participa en algunos desafíos simples de kaggle. ¡Entonces intente implementar algunos de los algoritmos!

Por supuesto, usted es libre de aprender las matemáticas y la teoría detrás de ML e IA, sin embargo, la implementación de algoritmos le enseña MUCHO sobre el algoritmo.

¡buena suerte!

Después de tener una buena comprensión en Python, puede comenzar a estudiar Conceptos de aprendizaje automático.
Puede referir este libro Think Python de Allen Downey y comprar el libro de programación de inteligencia colectiva en línea a precios bajos en India que cubre la mayoría de los conceptos en ML más este libro también tiene conceptos básicos de programación de Python y conceptos matemáticos que serán una base sólida para que aprendas IA.
Espero que esto ayude.

Gracias por el A2A.

Seguramente, debe saltar directamente. Debe haber toneladas de código de ejemplo que puede mirar para manejar varios aspectos de AI y ML. Y, la diversión de hacerlo te ayudará a dominar Python.

Así que adelante. Sé paciente contigo mismo, pero también sé persistente. Si algo no parece funcionar, concéntrese en comprender exactamente qué salió mal; NO intente “parchearlo”. Esta fue una buena lección que aprendí al principio.

Ve amplio y profundo. Y eventualmente cosecharás las recompensas.

Y no te detengas en Python. Explore otros idiomas también.

No, no deberías.

Al menos, si eres principiante en programación también. Si tiene experiencia como programador en otro idioma, continúe.

Al principio, te sugiero que vayas por CheckiO y alcances al menos el nivel 10.

Luego, debe visitar Your Home for Data Science y verificar sus habilidades.

Apresurarte te morderá en tu, hm, fondo.

Eres principiante, por lo que te sugiero que primero aprendas Python correctamente y luego saltes al aprendizaje automático.

La inteligencia artificial (IA) y el aprendizaje automático (ML) son dos palabras clave muy populares en este momento, y a menudo parecen usarse indistintamente. La Inteligencia Artificial es la idea más amplia de que las máquinas puedan realizar tareas de una manera que tendríamos en cuenta como “inteligentes”. Por otro lado, el aprendizaje automático es la aplicación de la inteligencia de aplicaciones en torno al concepto de que debemos ser sinceramente capaces de proporcionar a las máquinas acceso a los hechos y dejar que analicen por sí mismos. Para más detalles visite nuestro sitio web: Organizaciones de investigación en India | Machine Learning Company Chandigarh

¡La mejor de las suertes!

Sugeriría ML, ya que la IA real aún está a años de distancia, pero será un subproducto del aprendizaje automático avanzado.

More Interesting

¿En qué parte de mi red neuronal implemento la función de costo?

¿Cuáles son las ventajas y desventajas de usar una gran red neuronal para realizar una regresión multivariada en comparación con los OLS normales?

¿Por qué Alemania no crea empleados con inteligencia artificial para reemplazar a los inmigrantes?

Si utilizamos todo nuestro conocimiento sobre IA y aprendizaje automático / profundo, ¿podríamos emplearlo para modelar la forma en que funcionan las neuronas humanas?

¿Qué opinas del Camino del Futuro de Anthony Lewandowski: un grupo religioso con la intención de crear una Divinidad de la IA?

¿Google Neural Machine Translation tendrá una precisión del 95% de un nivel humano para finales de 2017?

¿Qué podemos aprender de Tay, el reciente tweet de inteligencia artificial de Microsoft? ¿Qué salió mal?

Cómo determinar un desarrollador falso de IA

¿Las computadoras (agentes inteligentes) debatirán sobre sus religiones en el futuro?

¿Hay IA para aprender a leer los labios?

¿Qué enfoque de IA aumentaría la velocidad de desarrollo para una aplicabilidad más impresionante?

Si ya tenemos algoritmos más inteligentes que las bacterias, ¿por qué no podemos simplemente hacer un gran proyecto web y dejar que se ejecute a toda velocidad para evolucionar hacia Singularity?

¿Qué es fácil de aprender, el análisis de big data o la inteligencia artificial?

¿Hay software de chat bots?

¿Cómo cambiará la forma en que los usuarios interactúan con los algoritmos de aprendizaje automático en los próximos años?