Sí tu puedes ,
Incluso algunos de los estudiantes de mecánica también trabajan ahora como aprendizaje automático.
- ¿Por qué no me va tan bien en la escuela secundaria?
- ¿Cuáles son los exámenes de becas después de 12 ciencias en PCM?
- Mi escuela ha introducido una nueva regla según la cual los estudiantes deben sacudir las manos de sus maestros al ingresar a un aula y la enfermedad se está propagando como un incendio forestal. ¿Cuál es la mejor manera de protestar cortésmente?
- Soy un recién graduado de negocios que se graduó en la parte superior de mi clase. Quiero obtener una maestría en informática. ¿Qué aconsejarías?
- ¿Qué tendría que enseñarme para estar preparado para un Máster / Doctorado en aprendizaje automático?
Ingenieros Incluso contra ti, siempre confía en ti mismo
Así que no te preocupes. Yo te guiaré .
Paso 1
Primer aprendizaje de matemáticas, cálculo aquí, probabilidad y estadística, álgebra lineal
Paso 2
Aprende Programación, Aquí Python y R Programación .
Paso 3
Sumérgete en el aprendizaje automático. Así que aquí puedes tomar cualquier curso de aprendizaje automático en línea,
Te sugeriré el mejor curso de aprendizaje automático en línea
Aprendizaje automático AZ ™: práctica en Python & R en Data Science
- Parte 1 – Preprocesamiento de datos
- Parte 2 – Regresión: Regresión lineal simple, Regresión lineal múltiple, Regresión polinomial, RVS, Regresión del árbol de decisión, Regresión aleatoria de bosques
- Parte 3 – Clasificación: Regresión logística, K-NN, SVM, SVM del núcleo, Bayes ingenuos, Clasificación del árbol de decisión, Clasificación de bosques aleatorios
- Parte 4 – Agrupación en clúster: K-medias, agrupación jerárquica
- Parte 5 – Aprendizaje de reglas de asociación: Apriori, Eclat
- Parte 6: Aprendizaje por refuerzo: confianza superior, muestreo de Thompson
- Parte 7 – Procesamiento de lenguaje natural: modelo de bolsa de palabras y algoritmos para PNL
- Parte 8 – Aprendizaje profundo: redes neuronales artificiales, redes neuronales convolucionales
- Parte 9 – Reducción de la dimensionalidad: PCA, LDA, PCA de núcleo
- Parte 10 – Selección de modelo y realce: validación cruzada en k-fold, ajuste de parámetros, búsqueda de cuadrícula, XGBoost
Además, el curso está lleno de ejercicios prácticos que se basan en ejemplos en vivo. Así que no solo aprenderá la teoría, sino que también obtendrá práctica práctica en la construcción de sus propios modelos.
Todo lo mejor .