¿Dónde puedo aprender el aprendizaje automático en línea?

Answer 1

El aprendizaje automático es un campo verdaderamente vasto y en rápido desarrollo. Será abrumador sólo para comenzar. Sin duda, ha estado saltando en el punto en el que necesita usar la máquina para averiguar cómo construir modelos. Piensa un poco en lo que debe hacer; sin embargo, cuando se filtra la web en busca de algoritmos concebibles, hay muy recientemente un número excesivo de alternativas.

Para aprender el aprendizaje automático, debes ser mejor que el promedio en matemáticas. Aquí están las matemáticas que debe aprender teniendo en cuenta el objetivo final para estar preparado.

• Álgebra lineal-Álgebra lineal – MIT 18.06 Álgebra lineal por Gilbert Strang
• Teoría de probabilidad-Probabilidad y estadística – MIT 6.041 Análisis probabilístico de sistemas y probabilidad aplicada por John Tsitsiklis
• Cálculo
• Cálculo multivariado
• Teoría de grafos
• Métodos de optimización
• Cualquier lenguaje de programación que sea ampliamente utilizado para ML como python, MATLAB o C ++.

PD: recomendaría Python aquí como idioma y recomendaría los siguientes enlaces:

• Aprendizaje automático con texto en scikit-learn (PyCon 2016)
• Aprendizaje automático en Python con scikit-learn
• Aprendizaje automático con Python

Una vez cumplidos estos requisitos, por fin puede comenzar a considerar el Aprendizaje automático.

6 PASOS FÁCILES PARA UTILIZAR EL APRENDIZAJE EN MÁQUINA?

Este es el lugar donde comienza la diversión. Ahora, se espera que la fundación comience a echar un vistazo a algunos datos. Antes de comenzar, he enumerado 30 cosas que todos deberían saber en Aprendizaje automático . La mayoría de las empresas de aprendizaje automático tienen básicamente el mismo proceso de trabajo:

PASO 1.) Fabrique sus fundamentos de aprendizaje automático estudiando algunos materiales relacionados con el tema:

a.) Las conferencias de Aprendizaje automático de Andrew Ng son un gran comienzo :

b.) Escuela de verano de aprendizaje automático :

c.) Un enlace a la lista de reproducción completa está aquí (Colección de conferencias | Aprendizaje automático)

https://www.youtube.com/view_pla…

d.) Certificado de aplicaciones y minería de datos de Stanford :

http://scpd.stanford.edu/public/…

e.) Introducción a la inteligencia artificial por el Prof. Deepak Khemani IIT Madras

http://nptel.ac.in/courses/10610…

f.) “La mejor introducción de aprendizaje automático que he visto hasta ahora”.

PASO 2.) Toma un curso en línea

Lo principal que aconsejo a alguien que necesita aprender aprendizaje automático es tomar el curso en línea de Andrew Ng.

Creo que el curso de Ng es especialmente puntual y excepcionalmente eficiente, por lo que es un conocido extraordinario para alguien que necesita ingresar a ML. Me sorprende cuando los individuos me revelan que el curso es “excesivamente fundamental” o “excesivamente superficial”.

Ante la posibilidad de que me revelen que solicito que aclaren el contraste entre Regresión logística y SVM de kernel lineal, PCA versus Factorización matricial, regularización o pendiente de gradiente. He hablado con los aspirantes que afirmaron años de encuentro de ML que no sabían la respuesta a estas preguntas. En su mayor parte están claramente aclarados en el curso de Ng.

Hay muchos otros cursos en línea que puede tomar después de este, pero ahora está en su mayor parte preparado para pasar a la siguiente etapa.

Vea mi publicación anterior Los 10 mejores videos, profesores y cursos sobre aprendizaje automático para principiantes y avanzados

PASO 3.) Algunas sugerencias de libros

Mi paso subsiguiente sugerido es obtener un libro decente de LD (mi resumen más abajo), leer las secciones principales de introducción, y después de que el rebote a cualquier parte incorpore un algoritmo, está interesado. Cuando hayas descubierto que algo, salta a él, observa cada uno de los puntos de interés y, en particular, implementalo. En el último paso del curso en línea, a partir de ahora, habría actualizado algunos algoritmos en Octave. Sea como sea, aquí estoy mirando la ejecución de un algoritmo sin ninguna preparación en un lenguaje de programación “real”. En cualquier caso, puede comenzar con uno simple, por ejemplo, Regresión logística regularizada por L2, o k-means, pero también debería esforzarse para actualizar todos los más interesantes, por ejemplo, SVM. Puede utilizar una implementación de referencia en una de las muchas bibliotecas existentes para asegurarse de que está obteniendo resultados equivalentes.

• El razonamiento bayesiano de David Barber y el aprendizaje automático
• Aprendizaje automático de Kevin Murphy: una perspectiva probabilística
• Google dice que el aprendizaje automático es el futuro
• Los elementos del aprendizaje estadístico de Hastie, Tibshirani y Friedman
• Reconocimiento de patrones del obispo y aprendizaje automático
• Andrew Ng OpenClassRoom Stanford
• Aprendizaje de máquina de Mitchell

También hay numerosos libros geniales que se centran en un tema específico. Por ejemplo, Sutton and Re-Inforcement Learning es una obra de arte. Además, el libro Deep Learning (accesible en la web) prácticamente se está convirtiendo en un ejemplar antes de su distribución. Sea como sea, necesita un par de esos libros para reunir un grado de comprensión de gran alcance y equilibrado del campo.

Ver mi post anterior 10 libros electrónicos gratuitos que debes leer sobre conceptos básicos de aprendizaje automático .

Asimismo, puede ir específicamente a un trabajo de investigación que presente un algoritmo o enfoque que le interese y se sumerja en él.

PASO 4.) La mayoría de los algoritmos esenciales

Se confía en usted para conocer las tuercas y los tornillos de un algoritmo esencial.

Ver mis algoritmos posteriores a 15 algoritmos que los ingenieros de aprendizaje deben conocer .

En cualquier caso, además de los algoritmos, también es fundamental saber cómo configurar sus datos (selección de características, transformación y compresión) y cómo evaluar sus modelos. Tal vez, como iniciador, podría ver nuestro Aprendizaje de máquina en el ejercicio de instrucción scikit-learn en SciPy 2016. Condensa una gran parte de los rudimentos al presentar la biblioteca de scikit-learn, que puede resultar útil para la ejecución y otros exámenes. :

PASO 5.) Juega con unos enormes conjuntos de datos que son accesibles de forma abierta.

Descubra un conjunto de datos que le parezca especialmente intrigante o sobre el que tenga hipótesis y verifique si tiene razón.

a.) Datos del gobierno de los EE. UU. http://www.data.gov/

b.) Contender en Kaggle o construir algo con uno de sus conjuntos de datos, es realmente divertido y genuino. https://www.kaggle.com/

“Kaggle es una plataforma para el modelado predictivo y las competiciones de análisis en las que las empresas e investigadores publican sus datos, y los estadísticos y mineros de datos de todo el mundo compiten para producir los mejores modelos”. – Wiki

Kaggle lo expone a una amplia gama de problemas de Aprendizaje automático, las competiciones de Kaggle lo obligan a codificar y a codificar su solución de la manera más eficiente posible, haciendo concesiones entre el tiempo del programador, el tiempo de CPU, RAM, etc. Cada competencia tiene un Foro donde los competidores se ayudan entre sí para abordar el problema. Estarás compitiendo contra algunos de los mejores ingenieros del mundo. Finalmente, los reclutadores están recorriendo las tablas de Kaggle en busca de ingenieros talentosos. Podrías encontrar una nueva posición .

Debería comenzar su kaggle con Titanic porque, debido a que hay muchos scripts / problemas accesibles, tendrá la capacidad de construir diversos tipos de modelos que también le permitirán comprender algunos de los algoritmos de aprendizaje automático.

A continuación, puede ocuparse de un tema interesante. Reclutar en Facebook por qué, dado que dada la facilidad de la estructura de datos y la extravagancia del contenido , puede unirse a las tablas correctas y hacer un cálculo preciso en este caso.

Cuando haya terminado con estos dos, debería estar listo para abordar temas más interesantes de acuerdo con su interés.

He enumerado 40 proyectos divertidos de aprendizaje a máquina para principiantes en aprendizaje automático. Cuando termine, puede echar un vistazo a los 35 principales proyectos de aprendizaje automático en Github para obtener más inspiración.

Algunos sitios que pueden ayudarlo a resolver problemas : https://stackoverflow.com, http://www.gitxiv.com/, http://www.arxiv-sanity.com/, https://arxiv.org/

PASO 6.) Participa en un aprendizaje automático centrado en el producto o en un evento Attend ML.

El grupo que busca debe estar cargado de ingenieros a los que desea instruir y aprender. Esto te ayudará a convertirte en un buen ingeniero de aprendizaje automático. Del mismo modo, al separar un grupo de productos, rápidamente descubrirás cómo la ciencia y la hipótesis del aprendizaje automático varían de la capacitación. Específicamente, cómo la conducta del cliente le mostrará algo nuevo cada día.

Vaya a los eventos de aprendizaje automático en los que puede darse cuenta de lo que hace la gente en las charlas y participar con hackathons, ejercicios de instrucción y talleres como:

La conferencia de aprendizaje automático

Conferencia de estratos de O’Reilly

PyData

Conferencia de datos ricos de Crowdflower

Answer 2

El aprendizaje automático no es más que la capacidad de las máquinas / computadoras para aprender y predecir. El aprendizaje automático se está utilizando ampliamente en muchas aplicaciones. Un ejemplo tan excelente podría ser Amazon Alexa y Google Assistant. el uso de Google Assistant utiliza el aprendizaje automático para responder a nuestras preguntas que les planteamos.

El aprendizaje automático es una herramienta muy poderosa y ayuda a dirigir un determinado anuncio a un cierto criterio predefinido. Por ejemplo, quiero mostrar un anuncio digital de un producto que vale Rs.1 lakh. Puedo definir el objetivo en términos de alto patrimonio neto, en su mayoría hombres que viven en Mumbai o Delhi. El anuncio puede apuntar exactamente al segmento utilizando el aprendizaje automático.

Para aprender Aprendizaje automático desde cero, debe comprender los siguientes conceptos como requisitos previos:

• Probabilidades y estadísticas
• Técnicas de optimización
• Calculo diferencial
• Programación

Después de mantener un buen control de los requisitos previos anteriores, puede entrar en la profundidad de la comprensión de los diversos algoritmos de aprendizaje automático en la siguiente secuencia:

1. Los tipos de algoritmos de aprendizaje automático:

• Aprendizaje supervisado
• Aprendizaje sin supervisión
• Aprendizaje reforzado
• Sistemas de recomendación

2. Aprendizaje supervisado

• Algoritmo de clasificación
• Regresión:

1. Regresión lineal
2. Regresión múltiple
3. Regresión logística

3. Aprendizaje no supervisado

• Algoritmo de agrupamiento
• Algoritmo de asociación

4. Redes neuronales

También puedes conocer algunos ejemplos populares de algoritmos de aprendizaje automático:

• Máquinas de vectores de apoyo
• Bosque aleatorio
• Métodos Bayesianos

Una vez que haya revisado los temas anteriores, es posible que desee tener experiencia práctica para cualquier caso de uso basado en la industria que use Python, Java, etc.

Para lo anterior, puede consultar los tutoriales que le proporcionan los conceptos básicos de Python y lo ayudan a mejorar su conocimiento sobre la solución de problemas utilizando los algoritmos aprendidos.

Machine Learning With Python – Tutorial de Python Machine Learning | Edureka

Spark MLlib | Aprendizaje Automático En Apache Spark | Tutorial Chispa | Edureka

Más allá de esto, si quieres estudiar, encuentra problemas de la vida real y comienza a implementar los algoritmos para resolverlos.

También puede aprender conceptos de Aprendizaje profundo, después de haber comprendido los conceptos de Aprendizaje automático.

¿Qué es el aprendizaje profundo? Blog de Edureka

Answer 3

La historia de la ciencia de la información, el aprendizaje automático y la inteligencia artificial es larga, pero solo recientemente las compañías de tecnología, tanto las nuevas empresas como los gigantes tecnológicos de todo el mundo, han comenzado a entusiasmarse con eso … ¿Por qué? Porque ahora funciona. Con la llegada de la computación en la nube y las máquinas de varios núcleos, tenemos suficiente capacidad de cómputo a nuestra disposición para generar grandes volúmenes de datos y desenterrar los patrones ocultos contenidos en estas montañas de datos.

Esta tecnología es útil, especialmente cuando se maneja Big Data. Hoy en día, las compañías recopilan y acumulan datos a tasas masivas e inmanejables de clics en sitios web, transacciones con tarjetas de crédito, rastreos de GPS, interacciones en redes sociales, etc. Y se está convirtiendo en un desafío para procesar toda la información valiosa y utilizarla de manera significativa. Aquí es donde los algoritmos de aprendizaje automático entran en escena. Estos algoritmos utilizan todos los datos “pasados” recopilados para aprender patrones y predecir resultados o perspectivas que nos ayudan a tomar mejores decisiones respaldadas por análisis reales.

Es posible que haya experimentado varios ejemplos de Aprendizaje automático en su vida diaria (en algunos casos sin siquiera darse cuenta). Tomar como ejemplo

Lo que vas a aprender

• Aprende sobre Azure Machine Learning
• Obtenga información sobre varios algoritmos de aprendizaje automático admitidos por Azure Machine Learning
• Aprenda cómo construir y ejecutar un experimento de aprendizaje automático con conjuntos de datos del mundo real
• Aprende a usar algoritmos de aprendizaje automático de clasificación.
• Aprende a usar algoritmos de regresión automática.
• Aprenda cómo exponer el experimento de aprendizaje automático de Azure ML como un servicio web o API
• Aprenda a integrar la API del experimento de aprendizaje automático de Azure ML con una aplicación web

Cómo necesitamos seguir creciendo

Answer 4

El aprendizaje automático y Python van bien juntos. El instructor debe tener más de 10 años de experiencia como científico de datos. La clase debe tener 25 o menos personas para que reciba atención individual y respuestas a las consultas.

Un buen curso para ti. Aprendizaje automático utilizando Python

El instructor es maravilloso y paciente y muy bien informado.

No te pierdas de aprender los siguientes temas.

Plan de estudios

Módulo: Introducción al Aprendizaje Automático.

• ¿Qué es el aprendizaje automático?
• ¿Por qué Machine Learning?
• Tipos de algoritmos:

• Aprendizaje supervisado
• Aprendizaje sin supervisión

Varias etapas de construcción de soluciones basadas en ML

Componentes requeridos para ML

Módulo: Álgebra Lineal usando Python

• Pandas, Numpy, Scikit Learn
• Matrices y vectores

• Adición y multiplicación escalar
• Matriz de multiplicación de vectores
• Matriz de multiplicación de matrices
• Propiedades de multiplicación de matrices
• Inverso y Transposición

Valores propios y vectores propios

Matrices definidas positivas

Módulo: Regresión lineal

• Representación modelo
• Función de costo
• OLS
• Reg. Lineal para aprender modelos complejos.
• Diagnósticos

• Normalidad
• Multicolinealidad
• Autocorrelaciones
• Detección de valores atípicos

Módulo: Introducción a la Clasificación.

• ¿Qué es el problema de clasificación?
• Clasificación binaria / multiclase
• Función de pérdida
• Medidas de rendimiento: precisión, recuperación, medida de F, sensibilidad, especificidad
• Clasificador KNN

Módulo: Regresión logística.

• Suposiciones del modelo
• Ejemplo de entrenamiento usando regresión logística

• Lectura Adicional – Estimación de Probabilidad Máxima

Módulo: Redes neuronales

• Perceptrón único
• Perceptrón Multi Capa: Aproximador Universal
• Propagación de la espalda
• Ejemplo de entrenamiento usando Keras, Tensor Flow (Python)

Módulo: Máquinas de vectores de soporte

• Máximo margen clasificador
• SVM para datos linealmente separables
• SVM para datos lineales no separables
• SVM para clasificadores no lineales

• Kernels

Ejemplo resuelto usando Scikit Learn Library

Módulo: árboles de decisión / bosque aleatorio

• ¿Por qué los árboles de decisión?
• Split Criteria- Índice Gini, Entropía
• Algoritmo de árbol de decisión codicioso de arriba hacia abajo: ejemplo resuelto
• Generalización y poda de árboles.
• Boosting- Adaboost & Worked out Ejemplo
• Bosque al azar: Ejemplo resuelto

Módulo: Aprendizaje no supervisado – 2 sesiones.

• Clustering- K significa, Clustering jerárquico

Módulo: Reducción de la dimensionalidad.

• Análisis de componentes principales
• Valor singular de descomposición

Módulo: Sistemas de recomendación.

• Usando SVD: Interpretación Física
• Resuelto Ejemplo

Answer 5

Estaba en la misma búsqueda que tú hace un mes y, por mi experiencia, puedo decirte que los siguientes son los E. St sitios para aprender el aprendizaje automático.

1. Edx : estoy clasificando a edX en la primera posición porque los cursos son totalmente gratuitos. Si lo desea, puede obtener un certificado de $ 99 y confíe en mí, tiene su propio valor. Además, hay cuestionarios involucrados después de cada tema y tienes que buscar un examen final para obtener una calificación que te mantiene motivado.
2. Coursera – coursera también es bastante similar a edX pero tienes que pagar una cierta cantidad de tarifas para tomar el curso. Una de las principales ventajas de coursera es que después de completar un curso, puede vincularlo a su perfil de LinkedIn, que a su vez le ayudará a mejorar su currículum.
3. Udemy – Ahora udemy no da ningún certificado o ventajas como coursera. Pero hay una gran cantidad de cursos disponibles aquí y tienen un precio muy razonable, digamos entre 9 y 10 dólares. Si no te gusta un curso, puedes solicitar un reembolso sin preguntas.
4. YouTube: hay muchos canales que enseñan el aprendizaje automático para que puedas echarles un vistazo.

AHORA hemos terminado con los lugares donde deberías aprender, es hora de que eches un vistazo a cada sitio y busques el aprendizaje automático y, en base a las revisiones, puedes elegir tu curso.

Confía en mí, no perderás el tiempo en ninguno de los dos sitios mientras tengas una voluntad fuerte.

Answer 6

El aprendizaje automático es un buen campo y tiene un buen alcance en el futuro. La inteligencia artificial está siendo enfocada y adoptada por muchas grandes empresas de comercio electrónico. Para aprender Aprendizaje automático, debe tener conocimientos del lenguaje de programación Python. El aprendizaje automático está totalmente basado en Python.

Tengo un artículo detallado sobre aprendizaje automático y Python y su relación.

Puedes leerlo para entender el concepto completo.

Aquí está el artículo: Aprendizaje de máquina: ¿Qué es? ¿Qué es Python? ¿Relación entre Python y Machine Learning? ¿Dónde aprender Python & Machine Learning (cursos gratuitos y de pago)?

Gracias,

Abhishek Verma

Programador y experto en redes sociales.

Answer 7

Puedes referirte a youtube por el mismo. No necesita ninguna guía adicional para eso. Matlab también es una muy buena herramienta para aprender lo mismo. Si necesita más orientación, siempre puede contactarnos. El aprendizaje se puede utilizar para completar su investigación de M Tech y PHD también. Para cualquier otro detalle, visite http://www.thesischandigarh.com o llame al + 91-9023469578

Intentaré ayudarte

Answer 8

Bueno, en la medida en que se considera que el aprendizaje en línea tiene muchas opciones disponibles en el mercado. Pero, la pregunta principal es de dónde? ¿Correcto?

Si está buscando algunas recomendaciones personales, puedo sugerirle un nombre y ese es “Eduonix”, de donde uno de mis amigos aprendió #Machine #Aprendizaje en solo 6.5 horas y a ella le encantó.

¡Haga clic aquí para mas información!

Espero haber podido responder a su pregunta.

¡Feliz aprendizaje!

Answer 9

Institutos que ofrecen cursos sobre aprendizaje automático en la India. Si usted es de India y desea conocer los cursos de aprendizaje automático en la India, haga clic en el enlace.

Answer 10

Comience con el curso de Andrew Ng en Coursera.

Aprendizaje automático – Universidad de Stanford | Coursera

Answer 11

mira este video y suscríbete a mi canal si esto ayudó: –