El aprendizaje automático es un tema de moda cuya relevancia para la biología probablemente no será mayor que cualquier otra disciplina de las matemáticas una vez que finalice el ciclo de bombo. Para el momento en que esté listo para obtener su doctorado, quién sabe, tal vez la burbuja publicitaria haya estallado, Verily perderá un millón de dólares en capital de riesgo, y nadie estará interesado en ML bio PhD.
Esto no parece demasiado probable, por lo que mi consejo es tener una base sólida en estadística clásica, informática y física, ecuaciones diferenciales, teoría de control y otras disciplinas clásicas que supuestamente va a desplazar ML (pista: no lo hará). ) Preste atención a ML, pero tenga cuidado con la exageración, que parece moverse de una manera bi-decadal entre ideas. Los SVM estaban de moda, ahora es un aprendizaje profundo, ambos son útiles para sus problemas de nicho, ninguno de ellos es mágico. Obtenga una buena comprensión de los fundamentos.
- ¿Qué significa splines de regresión adaptativa múltiple (MARS) en términos simples?
- ¿Qué factores se basan en comenzar un gráfico de dibujo de una red bayesiana?
- ¿Cómo se puede utilizar la máquina de Boltzmann restringida en problemas de clasificación?
- ¿Alguien ha intentado combinar las redes neuronales con un aprendizaje profundo?
- ¿Sería posible leer mentes usando una máquina?
