Me sorprenden las respuestas que dicen que no debes pagar un curso en línea. En su mayoría, proviene de aquellos que se sienten cómodos con el autoaprendizaje y de resolver las cosas por su cuenta y no siempre se aplican a las personas que no se encuentran en su situación y no con sus antecedentes. Entiendo el razonamiento y estoy de acuerdo con él a menudo, pero recomendaría tratar de averiguar cómo estructurar su propio estilo de aprendizaje en línea que necesita para aprender mejor, ya sea pagado o no.
Primero para aclarar, sí, soy un mentor y revisor de ese curso, pero primero soy un estudiante y la respuesta se basa completamente en eso.
Cualquier curso en línea que pague tiene inconvenientes porque no será lo suficientemente riguroso en comparación con un curso de posgrado. Especialmente en temas avanzados. Necesita otros cursos como requisitos previos, especialmente conocimientos de matemáticas y programación, para estar seguro de que puede aprender algo y llevarlo más allá del curso. Muchos de estos cursos no siempre proporcionan ese nivel de conocimiento.
El curso de la Fundación de Aprendizaje Profundo de Nanodegree (DLNDF, por sus siglas en inglés) fue publicado para proporcionar una visión general en el campo de Aprendizaje Profundo para personas con conocimientos de matemática y programación. Y lo hace, aunque de una manera ligeramente desorganizada en la actualidad (después de dos cohortes).
- Cómo obtener cursos gratuitos en Coursera
- ¿Qué programa de estudios se utiliza en un curso en línea de gestión hotelera?
- ¿Para cuántos cursos Coursera proporciona ayuda financiera?
- ¿Debo aprender guitarra en línea o tomar clases de tutoría fuera de línea para un mejor aprendizaje?
- ¿La respuesta de UNAcademy India a la Academia Khan?
¿Para quién es este curso?
- Como dije, debes tener un fondo de matemáticas (Cálculo, el Álgebra Lineal te ayudará en su mayoría) y cerca de un fondo intermedio en Python.
- Está interesado en DL, desea obtener una visión general amplia sobre diferentes temas en ese dominio y no está seguro de por dónde empezar.
- Prefieres aprender en función de los plazos que otra persona te asignó en lugar de decidir por ti mismo debido a tu agenda por lo demás agitada. Te mantienen bajo control.
- Desea trabajar en proyectos sin muchos problemas debido al complicado campo y desea obtener buenos comentarios sobre esos proyectos para poder aprender mejor.
- Le gusta trabajar en una comunidad de personas / estudiantes con ideas afines y dedicados que están allí para ayudarlo, no importa.
- Tiene preguntas que la comunidad puede ayudar a responder en el camino en el que generalmente no puede encontrar ayuda fácilmente (confíe en mí, revise mi actividad de preguntas de Quora y verá un patrón).
- Prefieres un enfoque de aprendizaje basado en proyectos.
¿Para quién no es este curso?
- Cualquiera que esté esperando una revisión en profundidad de cualquiera de las áreas de Aprendizaje Profundo.
- Cualquiera que encuentre el precio demasiado alto dados los puntos anteriores.
- Cualquiera a quien le guste ensuciarse las manos desde el primer momento. Trabajar con la documentación de TF es un poco dudoso a veces.
- Cualquiera que se sienta cómodo al descubrir qué alternativas existen y que pueda trabajar a través de ellas por su cuenta.
- Cualquiera que tenga antecedentes previos en ML y / o poca introducción a DL. Sinceramente, creo que puedes aprender por tu cuenta debido a tus antecedentes. Y, en el fondo, quiero decir que eres un estudiante graduado, un investigador o un ingeniero en el dominio.
- Cualquier persona que esté esperando obtener un trabajo basado en este curso solo en el campo. No es imposible, pero no depende totalmente de este curso solo.
Los puntos anteriores ya proporcionan una idea de lo que ofrece el curso en general. Para señalar algunos detalles sobre lo que me gusta y no me gusta del curso como estudiante:
¿Qué es lo que me gusta?
- Cubren una variedad de materiales que a menudo pueden ser difíciles de introducir. Sí, hay muchos cursos y tutoriales, y buenos también, que están llegando a DL. De hecho, puedes encontrarlos fácilmente. Algunos de ellos profundizan en las matemáticas para las que no estás preparado, otros no tienen suficiente estructura y, por lo tanto, las respuestas a las preguntas que podrías tener son difíciles de encontrar. Pero puedes manejarlo, honestamente.
- El personal es dedicado. Los creadores de contenido siempre están tratando de mejorar el curso. Esto es realmente importante para mí después de tomar algunos cursos de Coursera.
- Tienen una comunidad buena, servicial y activa. Tanto en términos de personal / creadores de contenido / mentores y estudiantes. Algo que no encontré con Coursera tan bien. Tal vez estoy sesgada ahora.
- Los proyectos son interesantes. Así son los mini-proyectos. Hay una cierta cantidad de participación en términos de código de ayuda, pero creo que después del curso puede intentar crear proyectos desde cero, si desea hacerlo para obtener más información.
- Los estudiantes reciben 100 $ en créditos de AWS (caducan un año). Que es impresionante
- El contenido, en continua mejora, es bueno. Está mejorando, y podría ser una de las mejores descripciones generales que puede obtener en DL sobre diversos temas en los próximos meses.
¿Que es no gustar?
- El estilo de Siraj Raval no es para todos. Es muy superficial, hay demasiados memes. Sin embargo, puede hacer un trabajo decente al explicar algunos conceptos rápidamente y también está tratando de mejorar su estilo a través de este curso. Yo, personalmente, no he revisado más de 1 o 2 videos de él. No es importante terminar el curso.
- Parece que Udacity no tiene mucho control sobre el contenido de Siraj, y no se combina bien con su parte del curso, que es la mayoría de los ND. El contenido de Siraj es un pequeño porcentaje del curso por cierto. Y puede encontrar sus videos en línea tal como son, por lo que no tiene valor desde la perspectiva de ND ya que está pagando por ellos.
- No irás a través de las matemáticas apropiadas en detalle en este ND. Eso ya está establecido a través de los detalles del curso, y nadie debería sorprenderse por eso. Pero para avanzar en el campo, es importante hasta cierto punto.
- Continuando con el punto anterior, no entrarás en mucho detalle sobre la teoría de cada concepto en el ND. Ese no es su objetivo en absoluto. Intentan dar la mejor explicación posible a los principiantes sin antecedentes en el campo. No es un curso de nivel de posgrado. Tienes cursos alternativos para profundizar en cada tema. Puedes ver los cursos de Stanford para eso.
- El costo de la ND ahora es de 600 $, que es más que su oferta original de 400 $, pero sí dijeron que era solo su oferta original y que está sujeta a un aumento para las cohortes posteriores. ¿Vale la pena? Sinceramente, no, no creo que sea de momento. El curso requiere muchas mejoras para justificar ese costo. Pero considera esto: tienes una gran comunidad con la que trabajar, puedes aprender bastante sobre DL, obtienes proyectos y revisiones de proyectos, tienes foros y mentores de foros, y también otro tipo de apoyo. Diría que hasta cierto punto está justificado para el precio inicial, pero no los nuevos que pueden o no aumentarse más tarde (tendrían que ofrecer mucho más para justificar los costos más altos).
No recomendaré si tomas los cursos gratuitos en línea o si pagas por este. Es mucho dinero para mucha gente. Solo te recomiendo que averigües tu estilo de aprendizaje, cómo el curso puede ayudarte con tus objetivos y si deseas pagarlo por esas razones, dado que existen otros cursos en línea. Si dudas un poco sobre alguno de los puntos, ya sabes qué hacer.
¡Buena suerte! Si es nuevo o está familiarizado con Deep Learning, he comenzado un blog de Quora para compartir algunas de las mejores preguntas y respuestas sobre ese tema si desea considerarlo. El enlace está en la descripción de mi perfil.