PERSONALMENTE, Python es suficiente para aprender el aprendizaje automático. A medida que el papel del aprendizaje automático aumenta en importancia, también lo hace el uso de Python.
Pero si aprende la Programación R , eso le agregará ventaja para comprender los Conceptos de ML en profundidad.
- ¿Cómo se comparan las bibliotecas de aprendizaje automático de C ++ con las disponibles en Python?
- ¿Cuáles son los algoritmos de aprendizaje profundo que pueden corregir los errores de reconocimiento óptico de caracteres (OCR)?
- ¿Hay algún sitio web donde pueda encontrar ideas para mi tesis de licenciatura en Informática? (Estoy interesado en algoritmos y aprendizaje automático).
- ¿Cuáles son algunos de los usos del aprendizaje automático en los motores de búsqueda?
- ¿Por qué cada filtro aprende diferentes características en una red neuronal convolucional?
Por lo tanto, es muy fácil aprender sobre el aprendizaje automático a través de cursos en línea.
te sugiero los MEJORES CURSORES 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:
- 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…
- Programando con R
- Funciones R avanzadas
- Uso de marcos de datos R para resolver tareas complejas
- Use R para manejar archivos de Excel
- Web scraping con R
- Conecte R a SQL
- Use ggplot2 para visualizaciones de datos
- Use plotly para visualizaciones interactivas
- Aprendizaje automático con R, que incluye:
- Regresión lineal
- K vecinos más cercanos
- K significa agrupamiento
- Árboles de decisión
- Bosques al azar
- Twitter de minería de datos
- Redes neuronales y aprendizaje profundo
- Soporte de máquinas Vectore
- ¡y mucho, mucho más!
libros sugeridos para el aprendizaje automático:
- 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
TODO LO MEJOR…
