Es realmente una pregunta sin sentido sin contexto. Los algoritmos de aprendizaje profundo son solo otro alogoritmo para realizar un análisis de “aprendizaje automático”. Entonces, el aprendizaje profundo tiene una intersección masiva con el aprendizaje automático, y algunos dirían que, de hecho, es un subconjunto del aprendizaje automático. Los métodos SVM’S y Kernel (aprendizaje automático) son ampliamente utilizados en la industria y extremadamente útiles. Las redes neuronales y las redes de creencias (ejemplos que se usan en DL) se usan menos en la industria, pero el mercado de estas tecnologías se está expandiendo rápidamente a medida que el costo computacional continúa disminuyendo y la capacidad computacional de la industria continúa aumentando. Realmente, no importa lo que elijas aprender, hay mucho que aprender. No llegarás muy lejos en el campo “cualquiera” sin
1) Comprensión de al menos estadísticas básicas bayesianas.
2) Comprensión de álgebra lineal / ecuaciones diferenciales
- ¿Cuál es la diferencia entre 'Aprendizaje profundo', 'Aprendizaje automático' e 'Inteligencia artificial'? ¿Está el "aprendizaje profundo" relacionado con la "ciencia de datos"?
- ¿Por qué Geoffrey Hinton sospecha de la propagación hacia atrás y quiere que la IA comience de nuevo?
- ¿Qué es la inteligencia neuronal?
- ¿Debo seguir una maestría en diseño de juegos o big data / AI / machine learning?
- ¿A quién le pagarían más en el campo de la inteligencia artificial (aprendizaje automático), un graduado de doctorado o un graduado de MBA?
3) Capacidad para programar y comprender las estructuras de datos (gráficos, árboles, etc.)
4) Por supuesto, finalmente necesita comprender los algoritmos ML y DL que elige probar e implementar.
¡Buena suerte!
