Come imparare l'apprendimento automatico

Ho cercato di imparare l'apprendimento automatico nell'ultimo anno e mezzo. Quindi credo di essere in una buona posizione per rispondere a questa domanda.

Prima e più importante cosa da ricordare è quella di avere le basi ben chiare. Per basi intendo che dovresti avere familiarità con la probabilità e l'algebra lineare. Non c'è bisogno di padroneggiare queste materie, ma dovreste capire che se un algoritmo dice sottospazio, base, i.i.d, indipendente, correlazione e tutti questi termini capite cosa significano e non prendeteli "così come sono". Ho incontrato persone che hanno fatto 2 3 corsi online sul Machine Learning e applicato 2,3 algoritmi su qualche dataset (per applicare intendo che copiano solo roba da github), e pensano di aver imparato il Machine Learning e sono pronti a risolvere problemi di Data Science. Credetemi, questo è un pessimo approccio, al giorno d'oggi ci sono librerie che hanno ottime API per i compiti di ML, e potete usarle per eseguire operazioni di ML. Ma usarle semplicemente senza conoscere le cose sotto il cofano non vi aiuterà a lungo termine. Quindi è meglio iniziare con le basi, la matematica.

Dopo aver finito con la matematica, iniziate a leggere alcuni libri "buoni" per la comprensione teorica del Machine learning. Ma ricordate di iniziare sempre da qualche libro introduttivo di base sulla ML e non saltate subito ai libri di fantasia. Io raccomanderei il libro di Tom Mitchell sulla ML per iniziare. Alcune persone raccomandano Duda e Hart per i principianti, ma sento che quel libro è troppo in roba teorica che non è richiesta nel mondo reale. Il libro di Tom Mitchell sulla ML è una buona lettura.

Se avete finito iniziate qualche "buon" corso online sul Machine Learning, vi consiglio di guardare i video di Andrew Ng su ML (versione Stanford, non quella di Coursera). Puoi guardare anche i video di Caltech, anche loro sono abbastanza buoni. Iniziate a leggere il libro di Bishop sull'apprendimento automatico. Farà delle basi solide.

Una volta che avete finito con questi iniziate ad applicare quei concetti sui dati del mondo reale (Kaggle è il vostro miglior colpo, poiché i set di dati sono reali e vi daranno un senso su come la scienza dei dati è usata nel mondo reale). Questo è il modo migliore per applicare e testare la vostra comprensione del ML.

Penso che questo sia un buon percorso per imparare il Machine Learning. Buona fortuna !!