Sí..
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 de variaciones
- Teoría de grafos
- Métodos de optimización (multiplicadores de Lagrange)
- 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:
- ¿Qué tan difícil es para los estudiantes de Indonesia ser admitidos en la Universidad de Oxford?
- Cómo obtener la verificación después de haber ingresado en IGNOU
- ¿Cuál es la diferencia entre universidades nacionales y regionales?
- ¿Cuál es el procedimiento detallado para solicitar una beca DAAD para mi maestría en Alemania?
- Obtuve un puntaje de 760 de 800 en GMAT, pero no obtuve la admisión en ninguna de las 6 mejores universidades de MBA. ¿Qué debo hacer?
- Aprendizaje automático con texto en scikit-learn (PyCon 2016)
- Aprendizaje automático en Python con scikit-learn
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. 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:
Colección de conferencias | Aprendizaje automático – YouTube
b.) Certificado de aplicaciones y minería de datos de Stanford:
Certificado de postgrado en minería de datos y solicitudes
c.) Escuela de verano de aprendizaje automático:
https://www.youtube.com/playlist…
d.) Un enlace a la lista de reproducción completa está aquí (Lecture Collection | Machine Learning)
https://www.youtube.com/view_pla…
e.) “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
- Los elementos del aprendizaje estadístico de Hastie, Tibshirani y Friedman
- Reconocimiento de patrones del obispo y aprendizaje automático
- 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 publicación anterior 10 libros electrónicos gratuitos que debes leer sobre los conceptos básicos del 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.
Datos del gobierno de los EE. UU. Http://www.data.gov/
Empresa Ferroviaria de Catering y Turismo http://www.irctc.co.in
PASO 6.) Participe en un equipo de aprendizaje automático o personalización centrado en el producto.
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.
