En primer lugar, quiero convencerlo de que no puede comenzar y hacer grandes progresos en el aprendizaje automático y en el aprendizaje profundo sin ser fuerte en matemáticas. Este puede ser el camino del técnico desde el principiante hasta el intermedio que está aprendiendo las matemáticas necesarias para una técnica, justo a tiempo.
Los antecedentes en matemáticas te llevarán a comprender cómo funciona realmente esa técnica y qué está haciendo. Puede dibujar imágenes del flujo de datos y las transformaciones, pero eventualmente, necesitará internalizar el vector o las transformaciones que están ocurriendo.
Aprendizaje de las matemáticas en función del nivel e interés del individuo. La investigación en fórmulas matemáticas y el avance teórico del aprendizaje automático están en marcha y algunos investigadores están trabajando en técnicas más avanzadas.
- Cómo aprender mandarín gratis
- Para un graduado de escuela secundaria, ¿cuál es la mejor manera de aprender tecnología empresarial?
- ¿Por qué un estudiante de teoría debe aprender el contrapunto?
- ¿Por qué cramming se le da más importancia que el aprendizaje?
- ¿Cuáles son algunas tácticas de carga rápida que no aprenderá a nivel local?
Los temas de matemáticas importantes que se necesitan para el aprendizaje profundo y el aprendizaje automático son:
1. algebra
2. probabilidad
3. estadísticas
4.calculo
Hay muchas otras cosas que puede saber sobre este profundo aprendizaje. En primer lugar, puede ingresar a algunos cursos en línea que lo ayudan a guiar el aprendizaje profundo. Es bueno para la comprensión básica de algunos de los conceptos fundamentales básicos.
Te sugeriré los mejores cursos en línea que te ayudarán a:
· Deep Learning AZ ™: redes neuronales artificiales prácticas
De este curso puedes aprender sobre:
· Entender la intuición detrás de las redes neuronales artificiales.
· Aplicar redes neuronales artificiales en la práctica.
· Entender la intuición detrás de las redes neuronales de convolución
· Aplicar las redes neuronales de convolución en la práctica.
· 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 Auto Encoders
· Aplicar Auto Encoders en la práctica.
En este curso resolveremos seis desafíos del mundo real:
· Redes neuronales artificiales para resolver un problema de abandono de clientes
· Redes neuronales de convolución para el reconocimiento de imágenes.
· Redes neuronales recurrentes para predecir los precios de las acciones.
· Mapas autoorganizados para investigar el fraude.
· Máquinas Boltzmann para crear un sistema de recomendación.
· Codificadores automáticos apilados * para enfrentar el desafío del premio Netflix de $ 1 millón
Hay muchos otros cursos en línea que vas a tomar después de que este se menciona a continuación:
Cursos adicionales:
· Procesamiento de lenguaje natural con aprendizaje profundo en Python
· Zero to Deep Learning ™ con Python y Keras
De estos cursos puedes aprender;
Brevemente sobre el aprendizaje profundo y las técnicas de aprendizaje automático junto con los recursos matemáticos y adquiera práctica implementándolos y haciendo que funcionen por sí mismos. Puedes construir una intuición empírica de qué métodos usarlos. También puedes aprender suficiente álgebra para poder leer las descripciones de algoritmos y convertirlas en código.
Puedes aprender tan poco o tanto las matemáticas como quieras, justo a tiempo. Concéntrese en sus fortalezas y sea honesto acerca de sus limitaciones.
También puede tomar la referencia de algunos libros de texto:
Libros sugeridos (solo con fines de referencia):
· Deep Learning (Adaptive Computation y Machine Learning series) por Ian Goodfellow & Yoshua Bengio & Aaron Courville
· Aprendizaje profundo: el enfoque de un practicante por Josh Patterson y Adam Gibson
Python Machine Learning: Machine Learning y Deep Learning con Python,
TODO LO MEJOR………..