Aprender la parte de estadísticas por sí solo no lo llevará a ningún lado en ML. Si desea comenzar con el aprendizaje automático, debe saber que las cosas más básicas se basan en estadísticas, probabilidad, cálculo diferencial, vectores y álgebra matricial.
Para comenzar con el aprendizaje estadístico, puede pasar por:
- Probabilidad condicional / probabilidad de Baye
- Media y distribución
- Error cuadrático medio, mínimos cuadrados
- Regresión (para predicción)
- Vecinos más cercanos (para clasificación)
- Teoría de decisión estadística
- Modelo estadístico para la distribución de unión – Pr (A | B) Probabilidad de A dado B
Esto debería ayudarlo a comenzar y puede probar estas técnicas utilizando Sci-Kit Learn en Python. Si desea estudiar más técnicas de estadísticas relacionadas con el LD, puede leer este libro: Los elementos del aprendizaje estadístico – Standford.edu
- ¿Cómo acceden las empresas de turismo virtual de bienes raíces a la información de la propiedad?
- ¿Las computadoras son lo suficientemente rápidas?
- ¿Dónde se ubican los teléfonos móviles de hoy en comparación con las videocámaras en calidad de video?
- ¿Cuál es la máxima imprecisión que uno puede enfrentar al usar un decimal de coma flotante de 32 bits?
- ¿Cuáles son algunos virus informáticos?
Espero que esto ayude.