Puedes ver la introducción directamente en Youtube (en inglés):
(transcripción en castellano)
¿Qué es el aprendizaje automático? Probablemente lo usas decenas de veces al día sin darte cuenta. Cada vez que realizas una búsqueda en la red con Google o Bing, funciona bien porque su software de Aprendizaje Automático ha aprendido a indexar las páginas. Cuando Facebook o las aplicaciones de Apple reconocen a tus amigos en fotos, usan aprendizaje automático. Cada vez que lees tu correo electrónico, un filtro de spam evita que tengas que leer cientos de correos no deseados, es porque tu ordenador ha aprendido a distinguir entre correo deseado y no deseado. Todo esto es aprendizaje automático. Es la ciencia que posibilita que un ordenador aprenda sin ser expresamente programado. Trabajo en un proyecto de investigación cuyo fin es que los robots limpien la casa. ¿Cómo se consigue esto? Lo que se hace es que el robot te observe realizando la tarea y aprenda de ello. El robot observa qué objetos levantas y dónde los colocas e intenta realizar la misma tarea sin que estés delante. Me interesa el problema de la IA o inteligencia artificial. Construyendo máquinas realmente inteligentes, podemos hacer que hagan cualquier cosa que tú y yo podamos hacer. Muchos científicos creen que el mejor modo de progresar en esto es usar algoritmos de aprendizaje llamados redes neuronales, que imitan a nuestro cerebro. Veremos esto también. En este curso aprenderás sobre el Aprendizaje Automático y lograrás implementarlo tú mismo. Espero que te inscribas en nuestro sitio web y te unas a nosotros.
Requisitos previos
Ninguno, pero algún conocimiento de cálculo y especialmente de álgebra lineal para sacar el máximo provecho de este curso.El instructor es Andrew Ng, toda una leyenda en Aprendizaje Automático e Inteligencia Artificial. Andrew Ng es profesor en Standford, y uno de los fundadores de Coursera y desarrolló uno de los primeros cursos online de Aprendizaje Automático, todavía disponibles en YouTube.
Según el resumen, este curso proporciona una amplia introducción al aprendizaje automático, extracción de datos y el reconocimiento de patrones estadísticos. Los temas incluyen: i) Aprendizaje supervisado (algoritmos, vectores de apoyo, núcleos, redes neuronales). ii) Aprendizaje no supervisado (agrupación, sistemas de recomendación, aprendizaje profundo). iii) Mejores prácticas en el aprendizaje automático.
No hay comentarios:
Publicar un comentario