¿Qué idiomas o herramientas necesito aprender antes de comenzar el aprendizaje profundo?

Answer 1

Para empezar debes aprender Python . Hay otros idiomas que se acercan y que también se usan como JavaScript y Matlab.

Pero como los frameworks de aprendizaje profundo se han hecho usando Python, deberías hacerlo. Otro lenguaje que se usa comúnmente para la ciencia de datos es R. Hay una popular biblioteca de aprendizaje profundo, Antorcha, que utiliza Lua.

Tensorflow – Hace uso de C ++ y Python como backend. Puede usar C ++, pero se recomienda usar solo Python y Python.

Theano : es probablemente uno de los marcos más antiguos que existen. MILA anunció que no lo van a mantener. Pero otra vez hace uso de Python.

Keras – Es un marco construido sobre Tensorflow, Theano, Microsoft CNTK. Proporciona una API de alto nivel que te hace mucho más productivo.

Pytorch : este es probablemente el miembro más nuevo en unirse. Pero se está extendiendo exponencialmente. Se inspira en la antorcha. Está completamente escrito en Lua y pone a Python primero. Puedes crear redes neuronales dinámicas.

Así que eso resume, deberías ir con Python.

Para más información suscribirse a este increíble canal:

https://www.youtube.com/channel/…

Espero que responda a todas sus consultas.
Cubre aprendizaje automático, aprendizaje profundo, PNL, visión artificial. Todos los marcos de aprendizaje profundo están cubiertos Tensorflow, keras, pytorch. Las redes neuronales como RNN, CNN, GAN se han detallado en el debate. Las competiciones de Kaggle también están incluidas.
Buena suerte

Answer 2

El aprendizaje automático es un proceso para construir algoritmos habilitados para la IA con los que las máquinas pueden aprender o producir códigos automáticamente a través del análisis de los datos dados.

El aprendizaje automático es el subconjunto de la Inteligencia Artificial y nuevamente tiene la intersección con muchos campos, incluyendo matemáticas y psicología.

Lenguas utilizadas en el aprendizaje automático: –

1) Lenguaje R:

Este lenguaje se desarrolló como una versión moderna del lenguaje S desarrollada en los laboratorios Bell, el lenguaje R se combina con la extracción léxica, que tiende a proporcionar la flexibilidad para producir modelos estadísticos. R es un lenguaje realmente poderoso para comenzar con el aprendizaje automático, ya que hay muchos paquetes GNU específicos disponibles. Seguramente se puede elegir usar R para crear algoritmos potentes y, además, R Studio tiene una visualización estadística sencilla de sus algoritmos. Aunque el lenguaje se usa ampliamente en la investigación académica y se está obteniendo un reconocimiento realmente bueno en el uso de la industria más recientemente.

2) Python

El lenguaje Python es uno de los idiomas más flexibles y se puede utilizar para varios propósitos. Python ha ganado gran popularidad en base a esto. Python contiene bibliotecas especiales para el aprendizaje automático, es decir, scipy y numpy, que son excelentes para el álgebra lineal y para conocer los métodos de aprendizaje automático del kernel. El lenguaje es excelente para usar cuando se trabaja con algoritmos de aprendizaje automático y tiene una sintaxis sencilla relativamente. Para los principiantes, este es el mejor lenguaje para usar y para comenzar.

3) lenguaje C:

La madre de todos los lenguajes es definitivamente un gran lenguaje de programación para construir sus algoritmos predicativos. Desarrollado en los Laboratorios Bell por Denise Ritchie (ganadora del premio Turing Computer Scientist). Este lenguaje no es un juego de niños y debe ser considerado solo cuando tiene sólidos fundamentos de informática y lenguajes de programación, sin embargo, una vez que domina el lenguaje C, no hay nada que pueda impedirle desarrollar sus algoritmos avanzados. Uno no necesita Ph.D. pero conoce a fondo los conceptos de programación informática. Puede crear su propio análisis de regresiones y simulación de series de tiempo fácilmente, lo que crearía algoritmos de aprendizaje automático sólidos.

En conclusión, me gustaría agregar que hay muchos otros idiomas que puede usar después de leer los anteriores. Una vez que profundices puedes explorar los lenguajes funcionales como Haskell, Erlang, Julia y Scala, estas herramientas necesitan que tengas un buen conocimiento de C primero. Como principiante, puedes comenzar con Python y moverte a otros idiomas una vez que recibas el comando de eso.

Lee mas…

Answer 3

Hay dos lenguajes de programación principales utilizados por los científicos de datos.

1. Pitón
2. R

Para el aprendizaje automático y el aprendizaje profundo, la mayoría de ellos usan python. Por lo tanto, si va a aprender en profundidad, las siguientes herramientas e idiomas serán útiles.

1. Python 3 o 2: – Muchas bibliotecas están disponibles tanto para python 3 como para python 2. Por lo tanto, es su elección cuál aprender. Recomendaría Python 3 ya que es la última versión.
2. Tensorflow: – Es un marco de aprendizaje profundo, desarrollado por Google y también una biblioteca de código abierto. Por lo tanto, Tensorflow tiene una gran comunidad de desarrollo para ayudarlo en los momentos difíciles. Recomiendo usarlo porque es genial y realmente rápido con Nvidia GPU y cuda library.
3. Keras: – También es un frameworksl de aprendizaje profundo que está construido sobre Tensorflow y Caffe, creo. No lo hagas si no lo necesitas.

Aparte de estas herramientas, puede usar Caffe, es otro marco de aprendizaje profundo. Para el Aprendizaje automático en Python Pandas, Numpy, matlpotlib, Scipy, Scikit son las bibliotecas necesarias. También pandas, numpy, scipy, matplotlib se usan generalmente para todo tipo de tareas de procesamiento de datos. Por lo tanto, es posible que también los necesites en el aprendizaje profundo.

Espero eso ayude.

Answer 4

Lo más importante que todos deben saber es que, en primer lugar, debe estar realmente dedicado a lo que va a comenzar a aprender. En segundo lugar, debe ser lo suficientemente inteligente como para planificar los tiempos adecuados dedicados diariamente a su aprendizaje (por ejemplo, Si desea obtener información sobre algunos asuntos internacionales de los países, por lo que debe planificar un tiempo adecuado para gastar en eso, en tercer lugar, siempre intente materializar su aprendizaje en el mundo práctico, esto le ayudará a mantener las cosas recordadas durante más tiempo.

Answer 5

He completado el curso de Aprendizaje Automático en línea de Andrew Ng en Coursera. Mi familiaridad con el lenguaje de programación antes de ocuparme de este MOOC estaba en Java, C y Assembly. Los ejercicios de programación de este curso se dan en MATLAB u Octave. No tomó ningún esfuerzo hacer los ejercicios de programación en MATLAB mientras realizaba este curso.

Después de aprender lo básico en Aprendizaje automático, entrará en una programación y desarrollo serios. Para este momento, debe estar familiarizado y ser concienzudo con un lenguaje de programación específico de ML y la biblioteca correspondiente. Esto podría ser Python con SciPy, NumPy, scikit-learn, etc.

Answer 6

Bueno, no creo que puedas sumergirte en el APRENDIZAJE PROFUNDO con solo el conocimiento de Java básico o cualquier otro idioma. Pero nuevamente, si comienzas sin python, te estás limitando a ti mismo sin comunidad o menos comunidad. Y menos herramientas de bibliotecas como T ensor flow by Google …

Así que sugiero ir con python y créeme, python es tan fácil al menos más fácil que java