¿Cuáles son los temas que debo saber antes de comenzar el aprendizaje automático?

El aprendizaje automático necesita matemáticas y algoritmos como requisitos previos. así que debes aprender matemáticas y algoritmos. Hoy en día Machine Learning va a hacer milagros. Aprenda lo antes posible. Incluso paquetes de salario también enorme.

Te sugeriré los mejores cursos de aprendizaje automático en línea

1. Machine Learning AZ ™: Python práctico y R en ciencia de datos [Recomendado]

2. Deep Learning AZ ™: redes neuronales artificiales prácticas

3. Ciencia de datos y aprendizaje automático con Python: ¡manos a la obra!

Estos son los mejores en aprendizaje automático.

Asegúrese de preparar matemáticas y algoritmos, que lo ayudarán a comprender el aprendizaje automático.

Todo lo mejor .

Cuando se trata de cosas que debe saber antes de comenzar un tema X, el límite a menudo no tiene límites.

Como entusiasta de ML, según mi experiencia, creo que el conocimiento de lo siguiente es a menudo un mínimo para comenzar:

  1. Habilidades básicas de programación (bucles, estructuras de datos, tipos de datos, OOP)
  2. Conocimiento de Python (Preferido) [Es mucho más fácil comenzar con scikitlearn [Una biblioteca de python] si desea comenzar con ML]
  3. Conceptos estadísticos básicos: [media, desviación estándar, diferenciación]
  4. Una actitud de aprendizaje: capacidades de pensamiento lógico, escribir sus propios algoritmos y tener sus soluciones a un problema (no solo buscar StackOverflow)
  5. Un problema a resolver: a menudo, la motivación para aprender algo proviene no solo de una actitud de aprendizaje, sino de un problema que está buscando resolver utilizando el conocimiento que está tratando de obtener. Elija un problema de LA que sea relevante para usted, su lugar de trabajo o cualquier otra cosa que le facilite la vida. De esa manera nunca perderás la motivación para aprender.

    Dicho esto, mucho depende de cuánto quieras aprender antes de comenzar realmente. Personalmente, creo en hacer que las cosas comiencen en lugar de atascarse en las cosas anteriores.

    Buena suerte.

Aprendería algo de Python, ya que es uno de los principales idiomas utilizados en Machine Learning (junto con R).

Asegúrate de ser decente en matemáticas. Si no lo eres, no hay problema, puedes aprenderlo. Es posible que desee ver KhanAcademy o algo por el estilo. Temas como la trigonometría no deberían ser un problema. Los vectores también serían buenos. (Esto supone que desea comprender el aprendizaje automático, no solo aplicarlo).

Y luego, puedes sumergirte. Ese debería ser un buen punto de partida 🙂

Ah, y no tengas miedo de temas como SVM (Support-Vector-Machines), pueden tomar un tiempo para entenderlo.

Diviértete 😉

En realidad no necesitas saber tanto

Yo diría que necesitas saber:

  • pitón o R
  • biblioteca de pandas
  • comprensión básica de estadística: un curso universitario de primer año que vale la pena
  • comprensión básica del cálculo

Y ya está, puede comenzar a buscar herramientas conocidas como sklearn, keras y eventualmente tensorflow y pytorch

Necesitará cálculo multivariable, álgebra lineal y probabilidad. Tengo un curso en línea que abarca las matemáticas para el aprendizaje automático, para principiantes. Puede obtener más información visitando:

Introducción Lectura Matemáticas para Machine Learning

Asegúrese de tener una base en matemáticas (calc, stat, álgebra lineal), así como un lenguaje de programación (R o Python son buenos). La intuición es un buen primer paso (consulte https://www.slideshare.net/Colle … a continuación, pruebe un libro (Elementos de aprendizaje estadístico) o documentos de ArXiv con enlaces a un paquete R / Python.

Muchos videos y tutoriales en línea sobre aprendizaje automático generalmente dan la impresión de que realmente no es necesario tener un buen conocimiento de las matemáticas para comprender el aprendizaje automático, que para mí es su forma de tratar de llegar a una gran audiencia. Bueno, depende de cuál sea su objetivo de estudiar el aprendizaje automático; Tener una intuición o aplicarla a problemas de la vida real. En cualquier caso, se reduce a estos temas fundamentales en orden descendente.

  1. Álgebra lineal
  2. Teoría de probabilidad y estadística
  3. Cálculo multivariante
  4. Algoritmo y Complejidad

Aquí hay información útil: filmar LiveLessons de “Aprendizaje profundo con TensorFlow” para Safari Books Online. Divulgación completa: trabajo en untapt y Jon Krohn es nuestro principal científico de datos. Pero es el anfitrión de numerosas reuniones, sesiones de buceo profundo y seminarios web. Entonces tiene muchos recursos para comenzar. Ver también Recursos de ciencia de datos

Gracias por el A2A.

Lo que está pidiendo se conoce como los “Requisitos previos para el aprendizaje automático”.

Éstos incluyen:

  1. Álgebra Lineal Básica.
  2. Estadística
  3. Probabilidad
  4. Un lenguaje de programación de alto nivel. (Python o R son los mejores)
  5. Un sistema de gestión de bases de datos. (SQL o similar)