Los 7 mejores cursos de inteligencia artificial GRATUITOS
Una lista seleccionada de los mejores cursos de IA. Aprenda de las mejores mentes en el campo: sea selectivo con su tiempo, energía y concentración.
Utilice su tiempo de manera eficaz y asista a los cursos de las mejores mentes en el campo.
Con la ayuda de mis compañeros científicos de datos, seleccionamos una lista de los 7 principales cursos de inteligencia artificial de las universidades de la Ivy League. El curso tenía que ser gratuito para ser incluido en la lista.
No he asistido a todos los cursos de la lista, pero recibí grandes elogios de mis colegas.
¿Qué es la Ivy League?
Ivy League es un grupo de ocho universidades privadas: Harvard, Yale, Princeton, Brown, Dartmouth, Columbia, Cornell y la Universidad de Pensilvania.
Si bien Stanford y MIT son escuelas claramente prestigiosas, no son escuelas de la Ivy League simplemente porque no son miembros de la Ivy League.
1. Aprendizaje por refuerzo
Universidad: Georgia Tech
Instructor: Prof.Charles Isbell
El aprendizaje por refuerzo es uno de los temas más candentes del aprendizaje automático. Debe tomar este curso si desea participar desde una perspectiva teórica.
En este curso, explorará la toma de decisiones automatizada desde la perspectiva de la informática a través de una combinación de artículos clásicos y trabajos más recientes. Examinará algoritmos eficientes, donde existan, para la planificación de un solo agente y de múltiples agentes, así como enfoques para aprender decisiones casi óptimas de la experiencia. Al final del curso, replicará un resultado de un artículo publicado en aprendizaje por refuerzo.
2. Visión artificial
Universidad: MIT
Instructor: Prof.Berthold Horn
Este curso del MIT proporciona una introducción intensiva al proceso de generar una descripción simbólica de un entorno a partir de una imagen.
En las conferencias, aprenderá la física de la formación de imágenes, la visión en movimiento y la recuperación de formas del sombreado. El procesamiento y filtrado de imágenes binarias se presentan como pasos de procesamiento previo.
Otros temas incluyen fotogrametría, alineación de representación de objetos, VLSI analógico y visión computacional. Se discuten las aplicaciones a la robótica y la interacción de máquinas inteligentes.
3. Matemáticas del aprendizaje automático
Universidad: MIT
Instructor: Prof. Philippe Rigollet
En términos generales, el aprendizaje automático se refiere a la identificación automatizada de patrones en los datos. Como tal, ha sido un terreno fértil para nuevos desarrollos estadísticos y algorítmicos.
El propósito de este curso es proporcionar una introducción matemáticamente rigurosa a estos desarrollos con énfasis en los métodos y su análisis.
4. Ciencia de datos: probabilidad
Universidad: HarvardX
Instructor: Prof. Rafael Irizarry
En este curso, aprenderá conceptos valiosos en teoría de probabilidades. La motivación de este curso son las circunstancias que rodearon la crisis financiera de 2007-2008.
Parte de lo que provocó esta crisis financiera fue que se subestimó el riesgo de algunos valores vendidos por instituciones financieras. Para comenzar a comprender este evento tan complicado, debemos comprender los conceptos básicos de la probabilidad.
Este curso introducirá conceptos importantes como variables aleatorias, independencia, simulaciones de Monte Carlo, valores esperados, errores estándar y el teorema del límite central. Estos conceptos estadísticos son fundamentales para realizar pruebas estadísticas sobre datos y comprender si es probable que los datos que está analizando se produzcan debido a un método experimental o al azar.
La teoría de la probabilidad es la base matemática de la inferencia estadística que es indispensable para analizar datos afectados por el azar y, por lo tanto, esencial para los científicos de datos.
5. Inteligencia artificial
Universidad: ColumbiaX
Instructor: Ansaf Salleb-Aouissi, Ph.D.
¿Qué tienen en común los coches autónomos, el reconocimiento facial, la búsqueda web, los robots industriales, la guía de misiles y la detección de tumores?
Todos son problemas complejos del mundo real que se resuelven con aplicaciones de inteligencia (IA).
Este curso proporcionará una amplia comprensión de las técnicas básicas para construir sistemas informáticos inteligentes y una comprensión de cómo se aplica la IA a los problemas.
Aprenderá sobre la historia de la IA, los agentes inteligentes, las representaciones de problemas en el espacio de estados, la búsqueda desinformada y heurística, el juego, los agentes lógicos y los problemas de satisfacción de restricciones.
Obtendrá experiencia práctica al crear un agente de búsqueda básico. La búsqueda de adversarios se explorará a través de la creación de un juego y una introducción al aprendizaje automático incluye trabajo sobre regresión lineal.
6. Aprendizaje automático
Universidad: Columbia
Instructor: John W. Paisley, Ph.D.
El aprendizaje automático es la base de las carreras más emocionantes en análisis de datos en la actualidad. Aprenderá los modelos y métodos y los aplicará a situaciones del mundo real que van desde la identificación de temas de noticias de moda hasta la creación de motores de recomendación, la clasificación de equipos deportivos y el trazado del camino de los zombis de películas.
Las principales perspectivas cubiertas incluyen:
- modelado probabilístico versus no probabilístico
- aprendizaje supervisado versus no supervisado
Los temas incluyen clasificación y regresión, métodos de agrupamiento, modelos secuenciales, factorización de matrices, modelado de temas y selección de modelos.
Los métodos incluyen regresión lineal y logística, máquinas de vectores de soporte, clasificadores de árboles, impulso, máxima verosimilitud e inferencia MAP, algoritmo EM, modelos ocultos de Markov, filtros de Kalman, k-medias, modelos de mezcla gaussiana, entre otros.
7. Algoritmos, 1
Universidad: Princeton
Instructor: Kevin Wayne, Ph.D.
Este curso es para usted si desea mejorar sus habilidades de programación. Si bien no está estrictamente relacionado con el aprendizaje automático, desarrollará sólidas bases en informática.
Este curso cubre la información esencial que todo programador serio necesita saber sobre algoritmos y estructuras de datos, con énfasis en aplicaciones y análisis de rendimiento científico de implementaciones de Java.
La Parte I cubre las estructuras de datos elementales, la clasificación y los algoritmos de búsqueda. La Parte II se centra en los algoritmos de procesamiento de cadenas y gráficos.