Pasar 3 horas es suficiente para aprender el aprendizaje automático y el aprendizaje profundo.
no se trataba del tiempo que pasaste sino del asunto de lo que aprendiste.
- ¿En qué tipo de cosas trabajan los estudiantes de Machine Learning en Berkeley?
- ¿Qué 3 libros de ciencias de la computación deberían leer todos los que quieren ser expertos en informática?
- Cómo mejorar mis habilidades de escritura técnica
- ¿Qué tan importante es el aprendizaje por refuerzo entre las técnicas de aprendizaje automático?
- ¿Debo asistir a UChicago o UIUC si planeo estudiar informática?
Otra cosa es que el aprendizaje automático es parte de un aprendizaje profundo, por lo que puede aprender fácilmente.
es mejor aprender ML y DL a través de algunos cursos en línea.
Te sugeriré los mejores cursos en línea:
LOS MEJORES CURSOS EN LÍNEA DE APRENDIZAJE DE MÁQUINAS :
- Machine Learning AZ ™: Python práctico y R en ciencia de datos
- Bootcamp de ciencia de datos y aprendizaje automático con R
- Aprendizaje automático para ciencia de datos
ELIGE EL PRIMER CURSO
de este curso puedes aprender sobre:
Este curso es divertido y emocionante, pero al mismo tiempo nos sumergimos profundamente en Machine Learning. Está estructurado de la siguiente manera:
- Parte 1: preprocesamiento de datos
- Parte 2: Regresión: Regresión lineal simple, Regresión lineal múltiple, Regresión polinómica, SVR, Regresión de árbol de decisión, Regresión forestal aleatoria
- Parte 3 – Clasificación: Regresión logística, K-NN, SVM, Kernel SVM, Naive Bayes, Clasificación del árbol de decisión, Clasificación aleatoria del bosque
- Parte 4 – Agrupación: K-medias, agrupación jerárquica
- Parte 5 – Aprendizaje de reglas de asociación: Apriori, Eclat
- Parte 6 – Aprendizaje de refuerzo: límite de confianza superior, muestreo de Thompson
- Parte 7 – Procesamiento del lenguaje natural: modelo de bolsa de palabras y algoritmos para PNL
- Parte 8 – Aprendizaje profundo: redes neuronales artificiales, redes neuronales convolucionales
- Parte 9 – Reducción de dimensionalidad: PCA, LDA, Kernel PCA
- Parte 10 – Selección y refuerzo del modelo: validación cruzada k-fold, ajuste de parámetros, búsqueda de cuadrícula, XGBoost
y también….
- Master Machine Learning en Python & R
- Tener una gran intuición de muchos modelos de Machine Learning
- Hacer predicciones precisas
- Haz un análisis poderoso
- Hacer modelos robustos de aprendizaje automático
- Crea un fuerte valor agregado para tu negocio
- Usar Machine Learning para fines personales
- Manejar temas específicos como el aprendizaje por refuerzo, PNL y aprendizaje profundo
- Manejar técnicas avanzadas como la reducción de dimensionalidad
- Sepa qué modelo de Machine Learning elegir para cada tipo de problema
- Construya un ejército de poderosos modelos de Machine Learning y sepa cómo combinarlos para resolver cualquier problema.
libros de texto sugeridos:
- Aprendizaje automático práctico con Scikit-Learn y TensorFlow: conceptos, herramientas y técnicas para construir sistemas inteligentes por Aurélien Géron
- scikit-learn, aMachine Learning for Absolute Beginners: A Plain English Introduction por Oliver Theobald
Los mejores cursos en línea de aprendizaje profundo:
- Deep Learning AZ ™: redes neuronales artificiales prácticas
- Ciencia de datos: aprendizaje profundo práctico en Theano + TensorFlow
- Procesamiento de lenguaje natural con aprendizaje profundo en Python
elige el primer plato ..
de este curso puedes aprender sobre:
La inteligencia artificial está creciendo exponencialmente. No hay ninguna duda al respecto. Los autos autónomos recorren millones de millas, IBM Watson diagnostica a los pacientes mejor que los ejércitos de médicos y AlphaGo de Google Deepmind vence al campeón mundial en Go, un juego donde la intuición juega un papel clave.
En este curso resolveremos seis desafíos del mundo real:
- Redes neuronales artificiales para resolver un problema de abandono de clientes
- Redes neuronales convolucionales para el reconocimiento de imágenes
- Redes neuronales recurrentes para predecir los precios de las acciones
- Mapas autoorganizados para investigar el fraude
- Boltzmann Machines para crear un sistema Recomender
y también….
- Comprender la intuición detrás de las redes neuronales artificiales
- Aplicar redes neuronales artificiales en la práctica
- Comprender la intuición detrás de las redes neuronales convolucionales
- Aplicar redes neuronales convolucionales en la práctica
- Comprender la intuición detrás de las redes neuronales recurrentes
- Aplicar redes neuronales recurrentes en la práctica
- Comprender la intuición detrás de los mapas autoorganizados
- Aplicar mapas autoorganizados en la práctica
- Comprender la intuición detrás de las máquinas Boltzmann
- Aplicar máquinas Boltzmann en la práctica
- Comprender la intuición detrás de AutoEncoders
- Aplicar AutoEncoders en la práctica
libros de texto sugeridos:
- Aprendizaje profundo (serie de computación adaptativa y aprendizaje automático) por Ian Goodfellow y Yoshua Bengio y Aaron Courville
- Aprendizaje profundo: el enfoque de un practicante por Josh Patterson y Adam Gibson
- Fundamentos del aprendizaje profundo: diseño de algoritmos de inteligencia artificial de próxima generación por Nikhil Buduma y Nicholas Locascio
TODO LO MEJOR……..
