¿Crees que una persona puede ser un experto en aprendizaje profundo solo a través del autoestudio?

Answer 1

¡Seguro! El aprendizaje profundo es uno de los temas más candentes, no solo en Informática, sino en todas las áreas relacionadas con los datos. Por lo tanto, hay muchos recursos que desglosan el Aprendizaje Profundo en todos los niveles. No importa cuál sea su experiencia con un conocimiento decente sobre programación y algunas matemáticas, puede desarrollar sus propias redes siguiendo tutoriales, MOOCs y repos de GitHub. Aquí hay algunos tutoriales y MOOCs que recomiendo:

Principiante : tutoriales de Tensorflow [1], fast.ai · Haciendo redes neuronales desenrollando de nuevo los tutoriales [2], lista de reproducción de Welchy Lab en youtube [3] .

Intermedio : Curso de aprendizaje profundo de Udemy [4], Curso de aprendizaje automático de Coursera Andrew Ng [5].

Avanzado : Stanford CS231n Lección Coursera [6] Geoffrey Hinton Deep Learning Course [7].

Y así…

Notas al pie

[1] Comenzando con TensorFlow | TensorFlow

[2] Aprendizaje profundo práctico para programadores-18 horas de lecciones gratis

[3] Redes neurales desmitificadas – YouTube

[4] Aprendizaje Profundo | Udacity

[5] Aprendizaje automático – Universidad de Stanford | Coursera

[6] Redes neuronales convolucionales CS231n para reconocimiento visual

[7] Redes neuronales para el aprendizaje automático – Universidad de Toronto | Coursera

Answer 2

¿Experto? ¿Con qué propósito?

El conocimiento diario cambia y se descubren cosas nuevas. Incluso si usted es un experto en un área, al día siguiente, una nueva solución alternativa puede hacer que su “experiencia” ya no sea válida.

Además, el Aprendizaje profundo es muy amplio: el Aprendizaje profundo para el campo médico puede conllevar muchos problemas legales, médicos y otros que no están relacionados con la programación de TI, y que está más allá de un “experto” en Aprendizaje Profundo en las industrias de Transporte / Autonomía / Drones.

El autoaprendizaje siempre debe aplicarse al mundo físico, o puede ser el mundo virtualizado pero junto con el conocimiento de programación / implementación. De hecho, la tasa de fracaso de la aplicación de Deep Learning puede ser muy alta: si los datos no se eligen correctamente, o si son muy pocos, etc.

La cantidad de intentos intentados, la cantidad de fallas encontradas, la cantidad de personas con las que tiene ayuda para resolver el problema, la capacidad de saber cuáles son los límites del aprendizaje profundo y cuándo usarlo o no usarlo, etc.

Así que ser un “experto” no es realmente útil. Incluso si tiene una porción limitada de conocimiento, pero ha ayudado a muchos otros en esa área, o ha desarrollado algunas herramientas sofisticadas, es más útil.