Deep Learning es una nueva área de investigación de Machine Learning, que se ha introducido con el objetivo de acercar Machine Learning a uno de sus objetivos originales. Si recién está comenzando en el campo del aprendizaje profundo o si tuvo alguna experiencia con redes neuronales hace algún tiempo, puede estar confundido. casi todo el valor actual del aprendizaje profundo está disponible a través del aprendizaje supervisado o el aprendizaje de cursos en línea. Los cursos en línea pueden ser la mejor opción para quien quiera estudiar y saber sobre el aprendizaje profundo.
Le ayudaré a sugerir algunos de los cursos en línea de aprendizaje profundo :
Deep Learning AZ ™: redes neuronales artificiales prácticas
- ¿Cuáles son tus cinco libros favoritos de todos los tiempos y una cosa que aprendiste de ellos cada uno?
- ¿Vale la pena aprender a Lázaro hoy?
- ¿Cuál es la mejor manera de aprender a ser un productor de contenido de video?
- ¿Cuáles son los buenos hábitos que puedo aprender en mis veinte años?
- ¿Cómo se capacita a un aprendiz de refuerzo para “moverse rápido y romper cosas”?
De esto puedes aprender,
· Comprender la intuición detrás de las redes neuronales recurrentes
· Aplicar redes neuronales recurrentes en la práctica.
· Entender la intuición detrás de los mapas autoorganizados
· Aplicar mapas auto-organizativos en la práctica.
· Entender la intuición detrás de las máquinas de Boltzmann
· Aplicar las máquinas de Boltzmann en la práctica.
· Entender la intuición detrás de AutoEncoders
· Entender la intuición detrás de las redes neuronales artificiales.
· Aplicar redes neuronales artificiales en la práctica.
· Comprender la intuición detrás de las redes neuronales convolucionales
Hay algunos otros cursos adicionales en línea:
· Procesamiento de lenguaje natural con aprendizaje profundo en Python
· Zero to Deep Learning ™ con Python y Keras
El aprendizaje profundo sobresale en los dominios de problemas donde las entradas (e incluso la salida) son analógicas. Lo que significa que no son pocas cantidades en un formato tabular sino que son imágenes de datos de píxeles, documentos de datos de texto o archivos de datos de audio.
Usted puede tener las habilidades de barbecho:
- Pitón
- Experiencia de Git y GitHub (el código de asignación está en un repositorio de GitHub)
- Conocimientos básicos de aprendizaje automático (especialmente aprendizaje supervisado)
- Conocimientos estadísticos básicos (media, varianza, desviación estándar, etc.)
- Álgebra lineal (vectores, matrices, etc.)
- Cálculo (diferenciación, integración, derivadas parciales, etc.)
La naturaleza compleja de la inteligencia humana le ayuda a resolver los problemas sin esfuerzo utilizando métodos de aprendizaje profundo.
El aprendizaje profundo se ha aplicado en varios campos con resultados de vanguardia. Para tener una idea de este lado de la luna, tú, el lector, puedes elegir qué camino tomar. Esta debe ser una experiencia práctica, para que pueda obtener una base adecuada sobre lo que ha entendido hasta ahora.
Espero que este camino de aprendizaje te haya sido útil. He tratado de hacerlo lo más completo posible. Ahora, es hora de que practiques y leas todo lo que puedas. Para obtener experiencia en el trabajo en redes neuronales, pruebe nuestros cursos de práctica de aprendizaje profundo.
Las técnicas más populares en aprendizaje profundo son:
- Redes de Perceptron Multicapa.
- Redes neuronales convolucionales.
- Memoria de corto plazo a largo plazo red neuronal recurrente
También puede consultar algunos libros de texto:
Libros de texto sugeridos: (sólo para fines de referencia)
· Deep Learning with Keras por Antonio Gulli & Sujit Pal
· Aprendiendo TensorFlow: Una guía para construir sistemas de aprendizaje profundo por Tom Hope y Yehezkel S. Resheff e Itay Lieder
TODO LO MEJOR…………..