¿Cuáles son algunos de los mejores cursos en línea sobre Aprendizaje Automático para un principiante absoluto? ¿Qué conocimientos básicos se deben tener para aprender esto?

Answer 1

Todavía siento que los MOOC no ofrecen un tratamiento exhaustivo / riguroso de cursos como ML, que generalmente se imparten como parte de los cursos avanzados de pregrado o posgrado en la mayoría de las universidades.

Afortunadamente para usted, muchas universidades han hecho que sus cursos sean de acceso abierto para que los que aprenden por sí mismos puedan auditar cursos de manera extraoficial. Obtiene acceso gratuito a todo el material del curso, incluidos los conjuntos de problemas, videos de conferencias, etc. Lo que no obtiene es un grupo de pares inteligentes, horas de oficina con instructores y técnicos de asistencia técnica y la sensación de que está compitiendo con alguien. Dicho todo lo siguiente, los siguientes son cursos de acceso abierto que brindan un tratamiento matemático más riguroso de ML, personalmente he “auditado”, algunos de ellos definitivamente se han beneficiado de ellos más de lo que puedo de cualquier MOOC (sin ofender a los usuarios de MOOC).

• Aprendizaje automático 10–601 CMU impartido por Tom Mitchell y Nina Balcan. Esto da un tratamiento más probabilístico de ML. Es un curso introductorio muy bueno. Actualmente estoy pasando por esto. Debe ver todas las conferencias según el programa y luego resolver los conjuntos de problemas también.
• Aprendizaje automático (Información del curso) – CS 229 Stanford impartido por Andrew Ng. Esta es la versión “sin agua” del curso de ML impartido en Coursera. Audité esto y puedo decirles que las notas de clase y los conjuntos de problemas son más desafiantes y matemáticamente rigurosos. Prepárese para sacar su pluma y papel para obtener pruebas de páginas largas.
• Aprendizaje automático: 10–701 CMU impartido por Tom Mitchell. Este curso de ML está dirigido a estudiantes de doctorado y ofrece un tratamiento aún más teórico y riguroso de ML. No he tomado esto, está en mi lista de tareas pendientes sin embargo. Hay diferentes versiones de esto enseñadas por diferentes instructores, una por Alex Smola también.
• Redes neuronales por Hugo Larochelle impartido en la Universidad De Sherbrooke. Un curso introductorio sobre redes neuronales actualmente populares. Una vez más, esto está en mi lista de tareas pendientes. Excelentes notas de lectura y conjuntos de notas, y el instructor Hugo también está activo en los grupos de Google para resolver dudas. Qué más puedes pedir.
• CSC321 Invierno 2015: Introducción a las redes neuronales impartida por Roger Grosse y Nitish Srivastava en la Universidad de Toronto. Las notas de clase y los conjuntos de P son realmente atractivos . Puedes descargar los videos coursera de Geoff Hinton para este curso.

Los cursos mencionados anteriormente son de acceso abierto con todo el material del curso requerido como videos de conferencias, p-sets disponibles gratuitamente . Lo ideal es que sigas el programa que se indica en los cursos y que al final comprendas mejor el LD. El curso de Caltech por Yaser Abu Mustafa ya se ha mencionado por cierto. También puede beneficiarse comprando un libro de texto de nivel inicial para principiantes como PRML por Chris Bishop ( tengo una copia) y repase los capítulos y resuelva los ejercicios al final (entienda que serían difíciles y matemáticamente rigurosos, de lo contrario ).

Buena suerte, compañero de autoaprendizaje.

Answer 2

No me sorprende ver que la clase Coursera de Andrew Ng sea mencionada algunas veces, y de hecho es una buena clase.

Pero mi recomendación personal es la clase del profesor de Caltech Yaser S. Abu-Mostafa sobre Aprender de los datos.

El profesor Yaser S. Abu-Mostafa es el mejor profesor que he tenido el placer de escuchar desde el fallecido Gian-Carlo Rota. Para aquellos de ustedes que tuvieron la suerte de tomar las clases de Gian-Carlo Rota, saben que se trata del mayor elogio que se pueda imaginar. No voy a tratar de elaborar. Solo escucha su primera conferencia, y entenderás.

La clase no requiere conocimientos previos de aprendizaje automático. Sin embargo, sí se basa en algunos cálculos. Si no está familiarizado con (o no recuerda mucho) las derivadas parciales y el método de los multiplicadores de Lagrange, deberá revisarlos. Pero la mayoría de las matemáticas son cálculos básicos o precálculos.

Además, la clase no te enseña nada sobre programación, por lo que estás solo para aprender lo suficiente como para escribir código para las tareas en el lenguaje de programación que elijas. Puedes usar los foros para obtener consejos de otros estudiantes. Si ya eres un ingeniero de software, esto no debería ser un problema.

La única advertencia es que la clase tiene algunos años, por lo que es anterior al renacimiento actual del aprendizaje profundo. Como resultado, el tratamiento de las redes neuronales es bastante básico y puede parecer anticuado.

Sin embargo, creo que todos los interesados ​​en el aprendizaje profundo deberían tener una base sólida en el aprendizaje automático general primero. Y esta clase proporciona una excelente puesta a tierra.

Answer 3

Yo recomendaría dos para comenzar con:

Aprendizaje automático – Universidad de Stanford | Coursera por Andrew Ng, ya mencionado varias veces en este hilo es un gran tipo de tuercas y tornillos por supuesto. Se pone en marcha lo fundamental, tiene muchos ejercicios y una base sólida para el aprendizaje automático.

Curso de Introducción al Aprendizaje Automático | Udacity de Katie Malone y Sebastian Thrun es un curso encantador. Pasa por un número considerable de algoritmos, tiene un nivel más alto y usa Python.

Ninguna es mejor que la otra. La de Coursera es más matemática y abstracta. La de Udacity es más completa.

Answer 4

Curso de aprendizaje automático de Andrew Ng en la web de coursera. Para aprender este curso, es necesario tener conocimientos previos sobre álgebra lineal, optimización, estadísticas y programación. Espero que esto te ayudará.

Answer 5

Comience con el curso de Andrew Ng en coursera. Para el curso de Andrew, necesita conocer la programación básica (se usa matlab en el curso) y el cálculo. El aprendizaje automático aplicado consiste en aprender recetas y utilizarlas de manera eficiente. El blog Machine Learning Mastery te enseña esto (requisitos previos: aprendizaje automático básico, en su mayoría Python, R con menos frecuencia). Entonces, empieza a hacer proyectos del mundo real. Evita el curso de Abu Mostafa en edX por el momento. Es demasiado complejo y abstracto para un principiante; Como principiante, podría frustrarte.

Answer 6

Recomiendo el curso de Machine Learning en coursera. Fue impartido por el profesor Andrew Ng en la Universidad de Stanford. Realmente recomiendo este curso.

Para obtener más información, visite: Aprendizaje de máquinas – Universidad de Stanford | Coursera

Answer 7

Puede ver Hello World – Machine Learning Recipes # 1 para comenzar. Y luego tome el curso de Aprendizaje de Máquinas de Andrew Ng en Coursera. Udacity también tiene algunos buenos cursos.