Respuesta corta: útil, y cuanto más teórico sea, más útil.
En la investigación aplicada de IA, te ayudará a recoger los antecedentes detrás de los diversos algoritmos que aprenderás: la regresión logística, las redes neuronales, las redes bayesianas, la búsqueda de árboles de Monte Carlo, etc., son más fáciles de entender si puedes leer las matemáticas y le resultará más fácil comprender, por ejemplo, la diferencia entre la regularización L1 y L2.
En la investigación teórica, te ayudará aún más porque eso es principalmente hacer estadísticas matemáticas. Especialmente si entras en la teoría del aprendizaje, con temas como la optimización convexa en línea o el problema de los bandidos con múltiples brazos (revisa los temas en la conferencia COLT y mira si te interesan). El campo no está desprovisto de la teoría de la medida, y tal vez el mayor cambio con respecto a lo que está acostumbrado es que muchos análisis están adoptando el enfoque del peor de los casos en lugar de explorar la configuración del iid.
- ¿Existe un mejor tutorial para el aprendizaje profundo que deeplearning.net?
- ¿Cuáles son algunos temas de investigación en automatización de IoT e IA?
- ¿El aprendizaje automático automatizado necesita aleatoriedad?
- Si una IA se volviera consciente de sí misma, ¿tendría un ego?
- ¿Cuál es el mejor libro como introducción a Python y la inteligencia artificial?
Buena suerte 🙂
