Cómo planear mover mi carrera hacia el aprendizaje automático en India

Aquí hay algunas cosas que puede hacer:

  1. Toma cursos en línea. Aquí hay algunos buenos para comenzar (puede que tenga que hacer algunos requisitos previos para estos, como álgebra lineal, etc., según sea necesario):
    1. Coursera | Cursos en línea de las mejores universidades. Únete gratis
      1. Aprendizaje automático | Coursera
      2. Aprendizaje automático | Coursera
      3. Aprendizaje profundo | Coursera
    2. Cursos en línea – Aprenda cualquier cosa, en su horario | Udemy
      1. Machine Learning AZ ™: Python práctico y R en ciencia de datos
      2. Deep Learning AZ ™: redes neuronales artificiales prácticas
    3. Udacity – Clases gratis en línea y nano grados
      1. Ingeniero de Machine Learning
      2. Programa de nanogrado de la Fundación de aprendizaje profundo
  2. Participa en concursos en línea. Puede encontrar algunos de estos en: Competiciones | Kaggle Hay algunas competiciones de práctica aquí para empezar. Algunos avanzados le dan una idea de los problemas de la vida real. También busque concursos realizados por otros. Hay muchos si estás atento y participar en ellos te proporciona una visión bastante buena.
  3. Puedes encontrar muchos datos disponibles públicamente para jugar. He publicado una compilación en: La respuesta de Sameer Mahajan a ¿Dónde es el mejor lugar para encontrar conjuntos de datos disponibles públicamente para el aprendizaje automático? para empezar.
  4. Formule algunos problemas de la vida real de su dominio y experiencia para trabajar.

¡Buena suerte!

Related Content

¿Cómo funcionan AdaGrad / RMSProp / Adam cuando descartan la dirección del degradado?

¿Qué es una explicación intuitiva del impulso en el entrenamiento de redes neuronales?

¿Cuál es el significado de los recientes anuncios de aprendizaje automático de código abierto?

¿Cuál es el mejor instituto en Bangalore para aprendizaje automático, inteligencia artificial y aprendizaje profundo (necesita práctica)?

Cómo crear la línea de regresión de mínimos cuadrados (error cuadrático medio mínimo) en R

Tengo algunos puntos en los que podrías pensar:

  • El autoaprendizaje es un desafío, pero podría hacerse.
  • Es una buena idea saber lo que no sabes.
  • Debe establecer objetivos alcanzables y elevar el listón si está completo en un 50%. Con el tiempo, debe aceptar que hay mucho que aprender, incluso después de haber aprendido tanto.
  • Esto no es tan popular, pero la programación + estructuras de datos + algoritmos CS son razonablemente importantes. Necesita construir / prototipar soluciones.
  • Necesitas leer mucho. Álgebra lineal, cálculo multivariable (básico), probabilidad, estadística, optimización y libros / cursos de aprendizaje automático. Es posible que deba centrarse más en el subconjunto de estos, que es popular y exitoso en la práctica.
  • Debe leer lo mismo varias veces y cada vez que lea algo nuevamente aprenderá algo nuevo que estaba oculto antes. Obviamente debería haber muchos otros temas entre dos visitas.
  • Debe aceptar que no entender todo está bien. La profundidad de las preguntas que puede hacer aumentará con el tiempo y puede o no explorar después de cierta profundidad. Habrá rendimientos decrecientes en lecturas adicionales fuera de la investigación.
  • Aplique lo que aprende en conjuntos de datos reales y de juguete.
  • Aprenda sobre herramientas escalables como chispa, colmena, cerdo, hadoop, etc.
Sameer Mahajan

Desarrollar interés en

  1. Sintaxis, Semántica y Ontologías.
  2. Redes neuronales y algoritmos relacionados
  3. Pruebe ejemplos de herramientas ML y API de proveedores en la nube
Sameer Mahajan

Consulte Cómo iniciar AI / ML / DL desde cero. ¡¡Buena suerte!!

Arvind Kukreja

More Interesting

¿Por qué alguien querría usar el refuerzo sobre el apilamiento?

¿Son los sistemas de recomendación actuales lo mejor que podemos hacer?

¿Es la precisión proporcional al número de capas ocultas y las unidades de cada capa en la red neuronal?

¿Qué tensiones tienen entre sí el diseño de productos y el aprendizaje automático?

¿Debo saber Python y R para aprender Machine Learning?

¿Debo ir al análisis de datos o al aprendizaje automático?

¿Alguien consiguió un trabajo en Machine Learning después de completar un Nanodegree de Machine Learning?

Cómo hacer que una máquina entienda el texto del lenguaje natural a través de Python

Tengo un conjunto de datos con una combinación de datos cualitativos y cuantitativos, ¿cómo puedo inferir una relación o sensibilidad entre las columnas?

Si pronostico grupos en un conjunto de trenes completo y los uso como características categóricas y realizo CV, ¿sería una fuga?

¿Qué significa la siguiente declaración: las redes neuronales son generalmente paramétricas y optimizadas para producir una estimación puntual?

¿Qué es la ganancia de información en el aprendizaje automático?

¿Qué sucede si hacemos que la forma de una función de activación sea diferente en cada capa, permitiendo que también se aprenda su forma, si las capas superiores tienen menos unidades, haciéndolas más no lineales?

¿Cuáles son algunos algoritmos que un científico de datos debe saber y comprender?

He implementado con éxito el Descenso de gradiente estocástico y el Descenso de gradiente más pronunciado en C ++. ¿Qué puedo hacer a continuación?