Recursos imprescindibles.

Tenemos muchas opciones para empezar, sin embargo la mayoría de los mortales nos encontraremos con la sensación de que ninguno de los cursos, métodos, tutoriales o videos están hechos para nosotros y pronto podremos llegar a pensar, que quizás somos nosotros los que no estamos hechos para esto.

Hay que tener en cuenta que la mayoría del material que encontramos en internet ha sido creado por motivos muy concretos:

La mayoría de los blogs sobre machine learning son para usuarios con conocimientos, y suelen estar orientados a usuarios intermedios/avanzados, o a mostrar las bondades de tal o cual producto, o el lucimiento personal del autor del mismo o la empresa que patrocinan. Esto me parece una estupenda medida para mostrar tus conocimientos al mundo y compartirlos, sin embargo será prácticamente inutil para un principiante.

Es necesario buscar con detenimiento, pues a veces 1 solo blog puede ofrecerte justo todo lo que necesitas en cuanto a teoría se refiere, ahorrándote una barbaridad de tiempo y quebraderos de cabeza, lo cual es habitual en los autodidactas como usted.

BLOGS

Estos 3 me parecen esenciales. Si tuviese que llevarme 3 blogs a una isla desierta, de la cual solo podría escapar una vez aprendido algo sobre data science, me llevaría estos 3.

  •  – http://relopezbriega.github.io nos proporciona un marco teórico ideal sobre estadística, probababilidad, algebra, algoritmos y python que yo calificaría de IMPAGABLE. Muy claro y bien explicado.

 

 

  • pibonacci es otra fuente totalmente indispensable. Aquí vamos a encontrar mucho material, muchas prácticas muy bien explicadas. El único problema es que no se observa claramente el contenido general del blog, por lo que será necesario inspeccionarlo detenidamente, y aprovechar para hacerte tu propia lista de recursos.

 

MOOCS

He empezado muchísimo, los mas importantes de lo que hay por la red como poco los he ojeado o empezado. Solo hay 3 que me han parecido sencillos de seguir, siendo solo 1 en español íntegramente, y otro con subtítulos. Estos moocs no siempre están disponibles, pero puedes estar atento porque empiezan cada cierto tiempo.

  • Introduccion a Machine Learning en MiriadaX. Es muy cortito pero es sin duda el mejor de todos los que he visto para un principiante. No tocan una sola línea de código, no tocan una sola función matemática. Usan BIGML, vía web y es perfecto para entiende de forma intuitiva una serie de conceptos que sobre el papel no son para nada obvios.
  • Introduccion a Machine Learning en Udacity. Tiene subtitulos en castellano, es realmente bueno y fácil de seguir, aunque ya tendrás que saber programar en python y recuperar conceptos esenciales de estadística.

github, youtube, universidades, y otros recursos.

  • Aprendizaje automático para el analisis de datos. Curso de Aprendizaje Automático de la universidad Carlos III de Madrid, muy buen apoyo en castellano.
  • https://github.com/C-Lara/M-L . github nos proporciona el mejor punto de encuentro entre personas que desean relacionarse por su código. En estos repositorios que tan cuidadosamente ha seleccionado el usuario, podemos encontrar ingentes cantidades de ejemplos, ejercicios, aplicaciones y todo lo relacionado con R, Python, probabilidad, estadística y Machine Learning.
  • https://ocw.mit.edu/courses/translated-courses/spanish/ . Courserware de MIT en Español, con algunas asignaturas del MIT traducidas, de todo tipo de estudios. IMPAGABLE !!!.

 

 

 

Anuncios

Responder

Introduce tus datos o haz clic en un icono para iniciar sesión:

Logo de WordPress.com

Estás comentando usando tu cuenta de WordPress.com. Cerrar sesión / Cambiar )

Imagen de Twitter

Estás comentando usando tu cuenta de Twitter. Cerrar sesión / Cambiar )

Foto de Facebook

Estás comentando usando tu cuenta de Facebook. Cerrar sesión / Cambiar )

Google+ photo

Estás comentando usando tu cuenta de Google+. Cerrar sesión / Cambiar )

Conectando a %s