Requisitos y trabajo previos

¿El Curso intensivo de aprendizaje automático es apropiado para ti?

Tengo pocos o ningún conocimiento de aprendizaje automático.

Tengo algunos conocimientos sobre el aprendizaje automático, pero me gustaría tener una comprensión más actual y completa.

Tengo experiencia práctica en la aplicación de conceptos de aprendizaje automático para trabajar con datos y crear modelos.

Busco instructivos para usar APIs de AA, como Keras.

Para confirmar si estás preparado para completar todos los módulos, lee las secciones Trabajos previos y Requisitos previos antes de comenzar el Curso intensivo de aprendizaje automático.

Trabajo previo

Antes de comenzar el Curso intensivo de aprendizaje automático, haz lo siguiente:

1. Si es la primera vez que usas el aprendizaje automático, consulta la Introducción al aprendizaje automático. En este breve curso de autoaprendizaje, se presentan los conceptos fundamentales del aprendizaje automático.
2. Si es la primera vez que usas NumPy, realiza el ejercicio de Colab Instructivo súper rápido de NumPy, que proporciona toda la información que necesitas sobre NumPy para este curso.
3. Si eres nuevo en pandas, realiza el ejercicio de Colab Instructivo súper rápido de pandas, que proporciona toda la información que necesitas para este curso.

如需了解如何在计算机上下载、安装和运行编程练习，请参阅在本地运行编程练习。

Requisitos previos

Machine Learning Crash Course no presupone ni requiere ningún conocimiento previo sobre el aprendizaje automático. Sin embargo, para comprender los conceptos presentados y completar los ejercicios, recomendamos que los estudiantes cumplan con los siguientes requisitos previos:

• Debes tener conocimientos básicos de variables, ecuaciones lineales, histogramas, gráficos de funciones y promedios estadísticos.

• Deberías ser un buen programador. Idealmente, deberías tener cierta experiencia en la programación en Python, ya que los ejercicios de programación están en Python. Sin embargo, los programadores con experiencia que no tengan experiencia en Python suelen poder completar los ejercicios de programación de todos modos.

En las siguientes secciones, se proporcionan vínculos a material de referencia adicional que puede ser útil.

Álgebra

• variables, coeficientes y funciones
• ecuaciones lineales, como $y = b + w_1x_1 + w_2x_2$
• logaritmos y ecuaciones logarítmicas, como $y = ln(1+ e^z)$
• función sigmoidea

Álgebra lineal

• tensor y rango de tensor
• multiplicación de matrices

Trigonometría

• tanh (considerada una función de activación; no se requiere conocimiento previo)

Estadísticas

• media, mediana, valores atípicos y desviación estándar
• capacidad para leer un histograma

Cálculo (opcional, para temas avanzados)

• el concepto de una derivada (no tendrás que calcular derivadas)
• gradiente o pendiente
• derivadas parciales (que están estrechamente relacionadas con los gradientes)
• regla de cadena (para comprender en su totalidad el algoritmo de propagación inversa para entrenar redes neuronales)

Programación en Python

En el instructivo de Python, se abordan los siguientes conceptos básicos de Python:

• Definición e invocación de funciones, mediante parámetros posicionales y de palabras clave

• diccionarios, listas, conjuntos (creación, acceso e iteración)

• Bucles for, bucles for con varias variables de iterador (p.ej., for a, b in [(1,2), (3,4)])

• Bloques condicionales if/else y expresiones condicionales

• formato de cadena (p.ej., '%.2f' % 3.14)

• variables, asignación, tipos de datos básicos (int, float, bool, str)

Algunos de los ejercicios de programación usan el siguiente concepto más avanzado de Python:

• Comprensión de listas

Terminal de Bash y consola de Cloud

Para ejecutar los ejercicios de programación en tu máquina local o en una consola en la nube, debes sentirte cómodo trabajando en la línea de comandos:

• Manual de referencia de Bash
• Hoja de referencia de Bash
• Learn Shell