Inicio Noticias Aprendizaje automático de triple tratamiento

Aprendizaje automático de triple tratamiento

Aquí tienes tres fantásticos cursos de Machine Learning e Inteligencia Artificial, dos de ellos de prestigiosas instituciones académicas y uno de Google, todos disponibles como videos gratuitos.

«Gracias» a la pandemia, muchas clases universitarias notables que solo serían accesibles para sus estudiantes institucionales registrados están llegando al público y de forma gratuita.

Ya hemos analizado el procesamiento del lenguaje natural de Stanford con aprendizaje profundo y, antes de eso, los recursos gratuitos de aprendizaje automático que incluían el «Aprendizaje automático con gráficos» de Stanford y la «Introducción al aprendizaje profundo» de Sebastian Raschka. Otros tres cursos que vimos anteriormente son:

Compiladores avanzados Cornell CS 6120

Curso gratuito de aprendizaje profundo de Yann LeCun de la Universidad de Nueva York

Programación funcional de la Universidad de Nottingham en Haskell

Esta vez volvemos con algunos más.

La primera parada es el profesor Dr. Stefan Harmeling de la Heinrich-Heine-Universität Düsseldorf. «Lección de aprendizaje automático WS 2021/22», WS para «Semestre de invierno». A pesar de haber sido impartido en una universidad alemana, no se preocupe, las lecciones son todas en inglés.

El Dr. Stefan Harmeling publica sus conferencias en YouTube a medida que se desarrollan con la última carga realizada hace un par de días. Las lecciones acumuladas incluyen una lista de reproducción de 15 al momento de escribir:

01 – Introducción
02 – Razonamiento plausible, regla de Bayes
03 – De la lógica a las probabilidades, redes bayesianas
04 – d-Separación, probabilidades continuas
05 – La distribución gaussiana
06 – Distribuciones, MAP, ML,
07 – Transformación de variables, regresión lineal
08 – Cálculo diferencial matricial
09 – Selección de modelo – Conjunto de formación, evaluación y prueba
10 – SVM parte 1 (caso separable)
11 – SVM parte 2 (caso inseparable)
12 – SVM parte 3 (caso no lineal)
13 – PCA
14 – kernel de PCA
15 – ISOMAP y LLE

Si bien los videos están disponibles, los recursos complementarios como archivos PDF, PowerPoint y folletos no lo están.

La siguiente parada es «Informatica 3200 – Otoño de 2021 – Introducción a la inteligencia artificial» por el profesor David Churchill de la Memorial University.

¡El profesor David Churchill va un paso más allá al transmitir las conferencias en Twitch! luego hacer que las grabaciones estén disponibles en YouTube.

Este curso es una introducción a la inteligencia artificial (IA), que cubre técnicas algorítmicas y estructuras de datos utilizadas en entornos modernos de resolución de problemas, y viene con el siguiente programa:

Introducción a la inteligencia artificial
o ¿Qué es la IA? ¿Qué puede hacer la IA moderna?
o Juegos como entorno de prueba para la IA
o Agentes, entornos y problemas

• Algoritmos de búsqueda
o Búsqueda completa (BFS / DFS)
o Funciones heurísticas / Incorporación de conocimientos
o Búsqueda heurística (mejor búsqueda / A *)
o Introducción a la teoría de juegos / equilibrio de Nash
o Investigación contradictoria (Minimax / Alpha-Beta)
o Estructuras de datos / Optimizaciones de búsqueda

• Algoritmos genéticos (GA)
o Introducción a los algoritmos evolutivos
o Representaciones GA: (genotipo, fenotipo)
o Implementación de GA: Mutación, Crossover, Selección, Reproducción

• Aprendizaje por refuerzo (RL)
o Introducción a RL: agente, entorno, acciones, políticas, recompensas
o Problemas con los bandidos (exploración versus explotación)
o Procesos de toma de decisiones de Markov
o iteración política generalizada
o métodos de Montecarlo
o Aprendizaje de las diferencias horarias (SARSA / Q-Learning)

• Redes neuronales (NN)
o Neuronas artificiales / Estructura NN / Entrenamiento
o Breve introducción al aprendizaje profundo

Afortunadamente, en este caso, todos los recursos complementarios están cuidadosamente adjuntos e indexados en una hoja de cálculo compartida de Google.

Por último, pero ciertamente no menos importante, es «Hacer amigos con el aprendizaje automático». Esto es un anteriormente solo era un curso interno de Google creado específicamente para inspirar a los principiantes y entretener a los expertos y ahora está disponible para todos de forma gratuita.

Está dirigido por Cassie Kozyrkov, brillante por decir lo menos, que tiene cuatro grados; psicología, economía, estadística matemática y neurociencia cognitiva. Su función en Google es la de Jefe de Inteligencia de Decisiones y lo que realmente hace es analizar los datos utilizando la lente de las estadísticas y el aprendizaje automático para ayudar a las personas y empresas a tomar decisiones informadas. Si miras los videos, descubrirás que ella también tiene un sentido del humor único.

MFML es más práctico y se enfoca en la comprensión conceptual en lugar de los detalles matemáticos y de programación, lo que lo guía a través de las ideas que forman la base de enfoques exitosos de aprendizaje automático.

Es una sesión de seis horas dividida en 4 entregas:

Introducción al aprendizaje automático y la IA – MFML Parte 1 Vida de un proyecto de IA – MFML Parte 2 Llevando la IA del prototipo a la producción – MFML Parte 3 Guía de algoritmos de IA – MFML Parte 4

Las primeras tres partes son un intento de presentar los conceptos en un lenguaje fácil de entender, mientras que la cuarta y última es más técnica, ya que presenta el funcionamiento interno de los algoritmos populares de ML / AI:

Agrupación y k-medias Aprendizaje perezoso y k-NN Perceptrón Soporte completo para clasificador de margen Soporte para clasificador de vector Máquinas de vector Árboles de decisión Agregación mejorada Bosques aleatorios Modelos de conjunto de Bayes ingenuo Regresión lineal Regresión logística Redes neuronales / Aprendizaje profundo

La lista de reproducción de Cassie va más allá de esos cuatro videos largos e incluye otros 52 clips cortos sobre todo ML.

Así que aquí está nuestra sorpresa: tres recursos más para comenzar su viaje de aprendizaje automático.

Marc Gomez
Vine a por tabaco y ya me quedé aquí. Cuando no estoy en el sótano de Tecnopasion suelo pasear por las calles de Barcelona.
RELATED ARTICLES