Ya sabes Python básico, por lo que aprender ciencia de datos y ML debe ser tu objetivo. Esto es lo que hemos hecho y seguido ( recursos en línea gratuitos )
Me gustaría sugerir que no vaya a Coursera o Udemy ya que fue confuso para mí. ( Es mi experiencia personal ). Probablemente diría que es genial hacer cursos en línea, pero no aprendí el aprendizaje automático (ML) de esa manera. Aprendí haciendo, practicando las cosas durante meses continuamente y programando cada semana por lo menos 3 a 4 horas como mínimo.
Para convertirse en ingeniero de AI / ML, es imperativo que tenga un buen conocimiento de los fundamentos matemáticos de ML para que pueda basarse en conceptos fácilmente. Las habilidades matemáticas básicas requeridas son el álgebra lineal, el álgebra matricial, la probabilidad y algunos cálculos básicos .
Necesita buenas intuiciones matemáticas sobre ciertos principios generales de aprendizaje automático, así como el funcionamiento interno de los algoritmos individuales.
- Cómo mantenerte motivado mientras aprendes algo que no te gusta
- Cómo empezar a aprender sobre redes neuronales.
- Cómo llegar a ser socialmente seguro y un aprendiz rápido
- ¿Dónde debo empezar a aprender lenguajes de computadora?
- ¿Cómo aprender los conceptos básicos de la teoría del diseño por mí mismo? Dónde empiezo
Estas intuiciones te permitirán:
- Elija los algoritmos adecuados para el problema Elija los algoritmos correctos para el problema
- Hacer buenas elecciones en la configuración de parámetros, estrategias de validación
- Poner límites apropiados de confianza / incertidumbre sobre los resultados. Incertidumbre sobre el resultado.
Regresión lineal
http://cs229.stanford.edu/notes/…
Teoría de probabilidad
Conceptos básicos de la teoría de la probabilidad – Hacia la ciencia de datos – Medio
Datos básicos de la ciencia.
Primero instale al primo de Python (bromeando 🙂 Anaconda ¡Descarga Anaconda ahora!
Sumérgete en el aprendizaje de los paquetes y comienza con Pandas y NumPy. Si quieres más y tienes tiempo, aprende SciPy, Matplotlib .
Libros para análisis de datos y ciencia de datos.
(1) Python para análisis de datos
(2) Dominar el análisis de datos de Python
Blogs gratis para seguir
(1) Analytics Vidhya – Analytics Community | Discusiones Analíticas | Discusión de Big Data
(2) El blog de ciencia de datos de O’Reilly Media. Ideas de datos y recursos.
(3) Datafloq – Impulsando la innovación a través de los datos
Lea los libros y blogs mencionados anteriormente y luego practique escribiendo pequeños programas diariamente. buscar en github para la ciencia de datos. Aprende cómo lo están haciendo los programadores experimentados y pide ayuda.
Después de terminar Data Science (tomará mucho tiempo y trabajo duro), comience ML y aprendizaje profundo.
Libros
http://cs.du.edu/~mitchell/mario…
4 pasos para comenzar en el aprendizaje automático: la estrategia descendente para que los principiantes comiencen y practiquen – Aprendizaje automático.
Luego pasa tu tiempo en el sitio web de Scikit learn:
- http://scikit-learn.org/
sitios web que utilizo con frecuencia:
- Desbordamiento de pila
http: // 24 libros gratis de ciencia de datos
¡Buena suerte!
PD. También puedes ver mi respuesta relacionada con ML
La respuesta de Amresh Sharma a ¿Cuáles son algunos trucos geniales de Python?
La respuesta de Amresh Sharma a ¿Qué es el análisis de regresión y cómo se usa?