Tengo 2-3 semanas para aprender el aprendizaje automático, ¿cómo debo proceder?

Answer 1

No desaliento a nadie de hacer / lograr nada, pero para ser honesto 2–3 semanas para el aprendizaje automático es un período muy corto, a menos que haya tomado algunos cursos de matemáticas muy avanzados, o sea un estudiante graduado, o tenga experiencia en tratar con el nivel de complejidad matemática que generalmente se ve en los libros de texto de aprendizaje automático.

Yo mismo estudié todo el libro de CM Bishop en el cuarto semestre de pregrado (en 2009) y aún así me tomó alrededor de 2.5 meses aproximadamente (un poco menos). En la India, los estudiantes ya estudian mucho cálculo y probabilidad en las clases 11 y 12 (por ejemplo, durante la preparación de JEE) y, por lo tanto, se cubrieron los antecedentes básicos. Tuve que tomar un curso de álgebra lineal para aprender algunas cosas que generalmente no están cubiertas en las escuelas (la videoconferencia de Gilbert Strang, que abarca algo en una semana y media).

Ahora, si solo desea aplicar algunos algoritmos de aprendizaje automático a algún problema, y ​​desea poder hacerlo en 2 a 3 semanas, puede optar por cursos en línea abiertos de muy alto nivel (no intensivos en matemáticas) en estos días, como Curso de aprendizaje automático de la coursera. Algunos de mis internos me dijeron que podían descargar el material del curso y hacerlo a su propio ritmo. Así que puedes intentar eso. Creo que hay un conjunto de videos en ese curso que puedes seguir a tu propio ritmo.

Para el aprendizaje automático de nivel avanzado, tendrá que consultar un libro de texto estándar, como CM Bishop o Statistical ML o ML a Prob. Perspectiva de Kevin (un libro de más de 1000 páginas). Si no quiere ir con un libro, probablemente puede optar por la videoconferencia de CS229 Andrew Ng y sus apuntes. Como aprendí toda la optimización y el aprendizaje automático de los libros de texto, no conozco todo el material específico de CS229, pero sé que si toma esto, probablemente no tendrá que seguir un libro de texto. Después, puede leer los artículos de investigación para afinar su conocimiento en ML o en un área en particular.

Después de haber hecho eso (lo avanzado de ML) puede ir a un área más reciente y avanzada como el aprendizaje profundo. Si ha cubierto todo correctamente, le llevará de 2 a 3 semanas cubrir el aprendizaje profundo en profundidad. Yo mismo he leído la mayoría de las cosas de aprendizaje profundo en 2.5 semanas. Algo (a través de documentos de investigación – (autoquipo) – codificadores automáticos, RBM, RBM apilados, entrenamiento codicioso de capa codiciosa, métodos de abandono, CNN, divergencia contrastiva y muchos documentos relacionados con la dificultad en el entrenamiento de Deep Nets, documentos relacionados con la inicialización de pesos y varios documentos relacionados con la visión y el aprendizaje profundo. Puedo publicar una lista de documentos si lo desea, pero primero obtenga los conceptos básicos). Pero tendrá que leer muchos artículos de investigación para obtener un conocimiento profundo que requiera al menos 2–3 semanas, si no meses.

Si solo quiere aplicar material de aprendizaje profundo, puede abarcar algunos conceptos básicos y luego comenzar con alguna biblioteca estándar. No conozco esta ruta, ya que nunca he optado por esas rutas y, por lo tanto, puedo ‘ No diga a qué dificultad se enfrentará al implementar DeepNets sin saber las cosas subyacentes.

¡Buena suerte!

Answer 2

Suponiendo que eres un completo principiante.

Ahora según el tiempo indicado en su pregunta (es decir, 2 a 3 semanas), puede proceder con el siguiente enfoque.

Para el aprendizaje automático, lo que más necesita es un buen dominio de Matemáticas (Álgebra Lineal), por lo que si lo hace bien, tendrá un buen dominio. Pero en caso de que no lo estés, necesitarás un esfuerzo extra. Simplemente no intentes aprender Álgebra Lineal de antemano, consumirá mucho tiempo, por lo que es mejor que vayas en paralelo, es decir, si no puedes entender algo, consulta ese tema en youtube o en alguna otra buena fuente.

1. Echa un vistazo a Machine Learning – Stanford University | Coursera y anote el programa de estudios. (Es el mejor curso disponible en línea para aprender ML).
2. Comience a aprender viendo los videos en el mismo orden que se menciona en el plan de estudios (puede omitir algunos videos si conoce las cosas antes). Simplemente no siga los plazos (es decir, intente dedicar la mayor parte de su tiempo al curso). Esto te ayudará a completar las cosas antes.
3. Recuerda lo que estudies, presta mucha atención a ello. Ayudará a desarrollar conceptos básicos fuertes.

Simplemente no empieces leyendo un libro, consumirá mucho tiempo .

Ahora, en 3 semanas dedicando 10 horas al día, deberías poder completar 6 semanas del curso.

Estas 6 semanas le brindarán la comprensión más básica de ML y una perspectiva del tema. Ahora, una vez que tenga una comprensión básica de las cosas, podrá aprender cualquier concepto y técnicas nuevas cuando sea necesario.

Answer 3

El aprendizaje automático es un área muy amplia de algoritmos y técnicas, y es difícil comprender completamente todos los conceptos dentro del límite de tiempo que tiene.

Con suerte, hay algunas cosas que puedes probar:

Si su objetivo es aprender lo suficiente para poder aplicar el NM a problemas prácticos, le sugiero que analice Aprendizaje automático de Andrew Ng – Stanford University | Coursera y recorre las conferencias que te interesen. Si está familiarizado con Python, eche un vistazo a Jupyter Notebook Viewer. Esta es una buena lectura y una forma más rápida de obtener ideas básicas y experiencia práctica con el aprendizaje automático.

Si estás más inclinado a aprender la teoría, te sugeriría revisar la lista de reproducción de YouTube de Caltech Machine learning.

Answer 4

2–3 semanas es muy poco tiempo. Puede ser si tienes ganas de deseo. Mejor tomar cualquier curso en línea, porque te darán todo el material del curso. para que puedas completarla en ese tiempo limitado.

Pero mi sugerencia es pasar más tiempo para aprender ML. Te sugeriré los mejores cursos de aprendizaje automático en línea.

Aprendizaje automático AZ ™: práctica en Python & R en Data Science [Mejor curso]

Aprende a crear Algoritmos de aprendizaje automático en Python y R con dos expertos en Data Science.

Este curso es divertido y emocionante, pero al mismo tiempo nos sumergimos profundamente en el Aprendizaje automático. Se estructura de la siguiente manera:

• Parte 1 – Preprocesamiento de datos
• Parte 2 – Regresión: Regresión lineal simple, Regresión lineal múltiple, Regresión polinomial, RVS, Regresión del árbol de decisión, Regresión aleatoria de bosques
• Parte 3 – Clasificación: Regresión logística, K-NN, SVM, SVM del núcleo, Bayes ingenuos, Clasificación del árbol de decisión, Clasificación de bosques aleatorios
• Parte 4 – Agrupación en clúster: K-medias, agrupación jerárquica
• Parte 5 – Aprendizaje de reglas de asociación: Apriori, Eclat
• Parte 6: Aprendizaje por refuerzo: confianza superior, muestreo de Thompson
• Parte 7 – Procesamiento de 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 la dimensionalidad: PCA, LDA, PCA de núcleo
• Parte 10 – Selección de modelo y realce: validación cruzada en k-fold, ajuste de parámetros, búsqueda de cuadrícula, XGBoost

Además, el curso está lleno de ejercicios prácticos que se basan en ejemplos en vivo. Así que no solo aprenderá la teoría, sino que también obtendrá práctica práctica en la construcción de sus propios modelos.

==> Machine Learning de la Universidad de Stanford, Mentor: Andrew Ng, Cofundador, Coursera [Alternativa]

El curso fue impartido por: Andrew Ng, cofundador, Coursera; Profesor adjunto, Universidad de Stanford; Anteriormente jefe de Baidu AI Group / Google Brain.

Este curso proporciona una amplia introducción al aprendizaje automático, el análisis de datos y el reconocimiento de patrones estadísticos.

Los temas incluyen:

(i) Aprendizaje supervisado (algoritmos paramétricos / no paramétricos, máquinas de vectores de soporte, núcleos, redes neuronales).

(ii) Aprendizaje no supervisado (agrupamiento, reducción de dimensionalidad, sistemas de recomendación, aprendizaje profundo).

(iii) Mejores prácticas en aprendizaje automático (teoría de sesgo / varianza; proceso de innovación en aprendizaje automático y IA).

El curso también se basará en numerosos estudios de casos y aplicaciones, de modo que también aprenderá cómo aplicar algoritmos de aprendizaje para construir robots inteligentes (percepción, control), comprensión de texto (búsqueda web, antispam), visión artificial, informática médica. , audio, minería de bases de datos, y otras áreas.

De todos modos la elección es tuya

Todo lo mejor .

Answer 5

El método y el enfoque dependen de su nivel actual de competencia en CS. Si es alto no debes hacer esta pregunta. Aún así has ​​preguntado, y supongo que no es muy bajo. Si es bajo, no podría aprender nada significativo en 2 a 3 semanas en esta área.

Básicamente, si asumo que tiene una buena comprensión de la CS, y al menos terminó la graduación y trabajó en al menos 1 buen proyecto de CS de 6 meses, entonces

1. Mira los recursos gratuitos en la red
2. Obtener un texto básico
3. Lee algunos papeles de IEEE
4. Lee algunos libros básicos de inteligencia artificial que se centran en el aprendizaje automático. Puede ser necesario algo más que una comprensión básica de los procesos cognitivos y los sistemas de aprendizaje.
5. Únete a algunos foros y lee cosas
6. Escribe algunos algoritmos. Haga algún proyecto de investigación, como ‘escribir un programa para enseñar a una computadora a jugar al juego’ tic-tac-toe ‘. (Espero que esta ortografía sea la correcta!)

Los mejores deseos

Answer 6

Lamento haber reventado cualquier burbuja que pueda tener, pero simplemente no es posible a menos que ya tenga un buen comienzo.

Tengo un conocido que tiene un doctorado en matemáticas puras que decidió ingresar al aprendizaje automático.

Se dio medio año para ser algo competente.

Cumplió su objetivo. Y tiene un punto de vista interesante de ML desde su formación en matemáticas. Pero me ha dicho que a veces todavía se piensa en las cosas de una manera menos que óptima.

Por supuesto, tiene un montón de entrenamiento que lo lleva de una manera diferente. En cualquier caso, el ML no es algo que pueda aprender bien en 6 meses, y mucho menos 3 semanas.

Answer 7

Haga un seguimiento de este curso, el curso de la Universidad de Stanford, uno de los mejores cursos que he visto y también tomé ese.

Para conferencias de video:

Colección de conferencias | Aprendizaje automático

Y para material de práctica y otros recursos:

Aprendizaje de máquina (hojas de curso)

y ahora depende de usted cuánto tiempo complete el curso. 🙂

Answer 8

2–3 semanas es un tiempo muy corto para aprender algo tan grande como el aprendizaje automático. Dicho esto, sugeriría la siguiente ruta:

1. Adquirir conocimientos sobre estadísticas (básico, intermedio). Puedes seguir Udacity, Khan Academy, Stat trek, etc.
2. Si tienes conocimiento de Python / R, será una gran ventaja. Elija algoritmos simples como regresión, clasificación (en un nivel alto, no profundice mucho). R es bastante fácil de recoger y hay mucha ayuda en línea disponible
3. Los cursos de Coursera son excelentes, pero no durante 2 a 3 semanas. Más bien, puede referirse a Analytics Vidya. Es genial para el modelado predictivo y también proporciona problemas de muestra para que juegues

Sobre todo, haz un plan; aprende cosas limitadas, pero asegúrate de entender bien los conceptos en lugar de correr detrás de todo. Feliz aprendizaje 🙂