* A2A *
He enumerado algunos libros aquí [1] que supuestamente son sugerencias de Michael Jordan. Como puede observar, muchos tienen que hacer probabilidad y estadísticas. La cantidad que puede leer y comprender y cuánto está dispuesto a pasar tiempo depende de su propia discreción. Le daría una lista de jergas comunes que necesita saber y espero que sea una guía lo suficientemente buena:
- Muestra de espacio y eventos
- Espacio de probabilidad y variable aleatoria
- PDF / CDF
- La probabilidad condicional
- IID e independencia condicional
- Regla de Bayes
- Probabilidad
- Estimación de máxima verosimilitud
- Previo, Evidencia, Posterior
- Estimación máxima a posteriori
- Modelos generativos, modelos discriminativos
- Expectativa de población / varianza / covarianza
- Muestra de expectativa / varianza / covarianza
- Ley de grandes números
- Sesgo de estimación
- Momentos limitados
- Estimación de densidad
- Muestreo
- Sesgo de muestreo: muestreo de importancia, muestreo estratificado
- Cadenas de Markov y métodos de Monte Carlo
- Metrópolis Hasting
- Modelos paramétricos y no paramétricos
Esta lista no está completa, pero debe cubrir la mayoría de las jergas comunes que encontrará en los documentos de ML.
- ¿Cuáles son los impactos inminentes (buenos y malos) de la inteligencia artificial en el próximo siglo?
- ¿Algún día el malware evolucionará con la capacidad de aprendizaje automático?
- ¿Por qué no hay muchas mujeres exitosas en el campo de la informática?
- ¿Cómo mejora BWT la compresión?
- ¿Cuáles son algunas aplicaciones sorprendentes de Machine Learning en el mundo real?
[1] La respuesta de Arun Iyer a ¿Cuáles son mis próximos pasos en Machine Learning después de aprender Estadística y Álgebra Lineal?