¿Qué debo aprender para el aprendizaje automático?

El aprendizaje automático es una aplicación de inteligencia artificial (IA) que proporciona a los sistemas la capacidad de aprender y mejorar automáticamente a partir de la experiencia sin ser programado explícitamente. El aprendizaje automático se centra en el desarrollo de programas informáticos que pueden acceder a los datos y utilizarlos, aprender por sí mismos.

Mi mejor consejo para iniciarse en el aprendizaje automático se divide en un proceso de 5 pasos:

Paso 1: Ajustar la mentalidad. Cree que puedes practicar y aplicar el aprendizaje automático. …
Paso 2: Elija un proceso. Utilizar un proceso sistémico para solucionar problemas.
Paso 3: Elija una herramienta. …
Paso 4: Práctica en conjuntos de datos. …
Paso 5: construir una cartera.

Asegúrese de trabajar a través de cada uno de ellos para el aprendizaje automático:

· Estadísticas

· Álgebra lineal

· Cálculo

· Probabilidad

· Programación – Python

y R Programación

También puede ir a través de algunos cursos en línea de aprendizaje automático:

Puedo sugerirte los cursos en línea de aprendizaje automático:

· Machine Learning AZ ™: práctica en Python & R en Data Science

Y aquí está el mejor y ampliamente utilizado curso en línea:

De esto puedes saber sobre:

Este curso es divertido y emocionante, pero al mismo tiempo se adentra 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 de árbol de decisión, regresión aleatoria de bosques

· Parte 3 – Clasificación: Regresión logística, K-NN, SVM, Kernel SVM, Naive Bayes, Clasificación de árboles 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 de refuerzo: límite de 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, Kernel PCA

· Parte 10 – Selección de modelo y realce: validación cruzada de 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.

Y como beneficio adicional, este curso incluye plantillas de código R y Python que puede descargar y usar en sus propios proyectos.

Algunos cursos más en línea de aprendizaje automático:

· Ciencia de datos y Bootcamp de aprendizaje automático con R

· Aprendizaje automático para la ciencia de datos

Libros de texto sugeridos para aprendizaje automático: (sólo con fines de referencia)

· Aprendizaje automático con R – Segunda edición por Brett Lantz

· Una introducción al aprendizaje estadístico: con aplicaciones en R (Springer Texts in Statistics)

TODO LO MEJOR………………