Acabo de empezar a trabajar en mi proyecto final de MLND. Hasta ahora, he aprendido mucho tomando este ND. Mi formación es en Física (BS) y Astrofísica (Graduado). No he hecho ningún ML antes de cursar el programa ND de udacity. Creo que es un programa excelente dada mi actitud hacia el aprendizaje. Por lo general, no me baso en ninguna clase cuando se trata de aprender; suelo profundizar en el campo leyendo artículos y libros. Por ejemplo, no he hecho ninguna red neuronal antes de cursar el MLND; empecé a ver las conferencias en línea (pero no presté atención a lo que decían). No creo que las conferencias de udacity en sí sean muy útiles. Simplemente fui al archivo e-Print de arXiv.org y encontré algunos buenos artículos sobre el tema y empecé a leerlos. El plan de estudios de Udacity me orientó sobre las palabras clave que debía buscar. Después de leer el primer par de artículos, tendrás una excelente idea de lo que están hablando. Lo más importante es que tienen estos proyectos en los que puedes empezar a trabajar, están bien estructurados. No tienes que dedicar tiempo a escribir el esqueleto de ningún proyecto y empezar desde cero. Ellos han hecho todo el trabajo pesado por ti, y tú saltarás directamente al núcleo de la implementación de ML. No creo que estos proyectos sean lo suficientemente complejos como para simular los problemas del mundo real; sin embargo, te darán una excelente experiencia práctica en todos los puntos importantes de ML. La combinación de lecturas y proyectos me dio la oportunidad de adquirir experiencia práctica en este complejo tema. Si lo resumo en una frase, el programa MLND me dio un camino muy bien definido y claro para estudiar ML. Lo que quieras aprender no tiene nada que ver con la udacidad, los cursos universitarios o incluso el programa de posgrado en el que estés, todo depende de tu actitud hacia el aprendizaje y la voluntad de explorar el tema. No puedo decir que terminar el programa de ND me dio la comprensión completa de este tema, pero sin duda me dio la curiosidad y una introducción impresionante al mundo de ML.
