Me encontré en una situación similar a la de usted hace un tiempo, y desde mi viaje hasta ahora, puedo decir que el mejor enfoque para ML es comenzar por tener un problema en la mano.
Elige un problema y elige un idioma. El siguiente paso es conseguir que sus fundamentos sean resueltos. Debe aclarar sus conceptos antes de comenzar a analizar su problema en el contexto de ML.
Siempre pensé en el problema que elegí, mientras que elegí mis fundamentos. Este tipo de da una meta a tu cerebro.
Le sugiero que siga el curso de Andrew Ng y comience a ver los modelos que mejor se adapten a su problema. Con ese objetivo en mente, usted está en una mejor posición para entender las técnicas de LD que no son adecuadas para resolver su problema, lo que a su vez lo ayuda a evaluar la técnica que realmente eligió.
- Cómo hacer una rutina diaria efectiva para mis estudios.
- Cómo aprender a amar la física.
- ¿Cuántas horas al día puede una persona normal estudiar lo mejor de su productividad en un día sin urgencia promedio?
- ¿Cuál es la rutina de estudio de las personas que ingresaron en las mejores universidades, como MIT, Berkeley, etc.? ¿Cuánto estudian para mantenerse al día con la cantidad de información en las clases de alto nivel?
- ¿Cómo dominar toda la tecnología relacionada con Java, que está en continua evolución? ¿Es esta la única manera de sobrevivir en la industria del software?
Esta clase de ciclo completa tu primer paso en el mundo de ML.
Luego elegiría diferentes problemas para cada otra técnica que hayas hecho; no tocar la base y repetir el proceso.
En este método, usted está pensando constantemente en el problema, aprenda completamente dando pequeños pasos y, en segundo lugar, el bit importante es el filtro de aprendizaje y elija la técnica de ML correcta para el problema en cuestión.