¿Aprender implementando un buen enfoque, o leyendo y usando marcos como TensorFlow?

Me siento un poco incómodo cuando recibo esas preguntas, porque realmente me provocan a escribir cosas increíblemente obvias.

La implementación es buena cuando quieres pasar de la teoría a la práctica. Pregúntese, ¿cuál espera que sea el principal resultado de su trabajo? Si lo que busca es el conocimiento, por supuesto, debe volver a implementar todo lo que necesite para comprender el concepto. Si tiene una fecha límite para producir algo como un documento o una aplicación, es un lujo demasiado grande.

Los estudiantes de doctorado pueden ser los afortunados aquí, porque pueden producir resultados prácticos (documentos) y logros en superación personal (conocimiento), pero lo pagan con privación del sueño y una gran cantidad de incertidumbre. Cuando seas bueno para manejarlos, nada podrá detenerte.

Hasta entonces, equilibra todo de acuerdo con tu objetivo.

Obviamente, como dijo Roman Trusov, eso depende de su objetivo y situación (plazos).

Desde mi experiencia personal en el aprendizaje de ML, la implementación de partes cruciales de algoritmos fue una gran parte de la clase de ML en línea de Andrew Ng y realmente me hizo comprender mejor la mecánica de los algoritmos y recordarlos mejor. Pero qué partes uno realmente necesita reimplementar para profundizar la comprensión y qué partes no son tan importantes son preguntas enormes y Andrew Ng la obtuvo de manera brillante. Recomiendo su curso para aprender conceptos básicos de ML.

More Interesting

¿Qué valor cree que tiene la selección de funciones en el aprendizaje automático? ¿Cuál crees que mejora más la precisión, la selección de características o la ingeniería de características?

Suponga que la máquina es multinúcleo, el tiempo de ejecución de un programa en una máquina que ejecuta solo ese proceso es igual al tiempo de ejecución en una máquina en la que hay otros procesos ejecutados junto con él, ¿no es así?

¿Cuáles son buenos recursos para aprender sobre la ejecución distribuida en redes neuronales profundas (MPI, allreduce, etc.)?

Cómo aprovechar al máximo el libro 'Programación de la inteligencia colectiva'

¿Cómo aprendiste el aprendizaje automático? ¿Por qué?

¿Para qué sirve el aprendizaje automático?

¿Qué es una herramienta Weka?

¿Por qué todas las principales empresas de tecnología abren fuentes principales de su tecnología de inteligencia artificial?

¿Cómo es un proyecto de visión por computadora "típico", de principio a fin?

¿Cuál es la ventaja de utilizar la función de probabilidad logarítmica frente a la función de probabilidad para la estimación de máxima probabilidad?

¿Cuáles son las implicaciones epistemológicas del hecho de que no podríamos haber programado conscientemente una red neuronal para hacer lo que hace?

¿Cómo se puede aplicar RL (método de gradiente de política) al problema de selección de subconjunto, donde cada prueba consiste en seleccionar un subconjunto de elementos de un conjunto más grande?

¿Es el aprendizaje automático una mejor forma o técnica para comprender los datos y hacer pronósticos que las estadísticas?

Cómo encontrar qué variable de característica es más predictiva en un problema de clasificación binaria

¿Cómo se usan los árboles BSP (partición de espacio binario) en los algoritmos de aprendizaje automático?