¿Por qué debería aprender las matemáticas detrás del aprendizaje automático?

¿Por qué deberías aprender cómo funciona un automóvil?

¿Estás tratando de conducir un auto? ¿O para construir mejores autos?

Aun así, diría que los mejores conductores de automóviles [de carreras] saben mucho sobre cómo funcionan los automóviles. Puede que no sean expertos, pero todavía saben mucho.

Hay muchos beneficios de ser un ingeniero de aprendizaje automático (conductores de automóviles de alta calidad, algunos incluso se ensucian las manos para ajustar las soluciones a sus problemas): ¿Le pagan su salario de mercado?

Y hay muchos beneficios de ser un investigador de aprendizaje automático (muchachos que trabajan en la construcción de autos mejores y más rápidos, principalmente): científico de aprendizaje automático en Google

Su preocupación es muy válida y muy común. También lucho contra esto a diario: “¿por qué quiero aprender esto?” Por lo general, me salgo de eso pensando en el problema que estaba tratando de resolver al principio.

Así que mi consejo es el siguiente: consiga un tipo diferente de meta, no la de aprender, sino más bien construir, resolver problemas, etc. Elija un problema difícil que le gustaría resolver. En realidad, esto es más difícil que agarrar un libro y leerlo. Esto requiere mucho más trabajo mental, necesita compromiso para mantenerse en él, debe ser valiente y descuidado ante la incertidumbre, pero debería ser mejor a largo plazo. Además, lo suficientemente rápido como para ver, disparar, si supiera cómo realizar esta operación matricial, o por qué estas personas siguen hablando de derivados y gradientes, etc. Así que tendrá que pasar por el aprendizaje y habrá respondido tu propia pregunta Solo te hará más fuerte.

Finalmente, dices: “¿en qué sería bueno? ¿Qué tipo de trabajo podría hacer? ¿Por qué estudiar aprendizaje automático a ese nivel?

Podrías hacer un gran trabajo, desde ser parte de las personas que hacen realidad los autos sin conductor hasta ser quienes hacen que los robots formen parte de nuestra sociedad. La respuesta a esa pregunta está dentro de ti, está dentro de ti, quizás la más difícil de responder.

¡Buena suerte!

Ahora, te pregunto, ¿por qué quieres ser parte de todo esto?

Realmente depende de lo que quieras con tu conocimiento del aprendizaje automático. Aprender las matemáticas también es ventajoso por varias razones:

1. Puede determinar más fácilmente el algoritmo más adecuado para un problema
2. Puede depurar más fácilmente cuando las cosas salen mal

Estas dos cosas son de vital importancia si quieres separarte de la multitud. Cualquiera puede ejecutar un conjunto de datos a través de un algoritmo de aprendizaje automático con una API o llamada de función, pero aquellos con una comprensión fundamental siempre superarán al primero.

Esto es similar a preguntar por qué debería conocer la mecánica automotriz si quiero conducir un automóvil.

Si tiene un automóvil confiable y simple con fácil acceso a talleres de reparación y “mecánica real”, entonces realmente no necesita mucho: cambie su aceite y revise sus niveles de líquido, si es así.

Pero, si tiene un automóvil meticuloso y planea viajar sobre terreno accidentado, a millas de la civilización, entonces es mejor que conozca sus cosas.

Volver al aprendizaje automático: si está utilizando Regresión lineal, no mucho puede salir mal (aunque podría no ser el “mejor” algoritmo para usar).

Pero si está utilizando redes neuronales recurrentes (RNN), comprenderá mejor cómo y por qué podría encontrar gradientes que desaparecen o explotan (ninguno de los dos es bueno). Esto es después de descubrir cómo construir el RNN.

Lo necesita para poder elegir correctamente el algoritmo correcto para el problema, así como para poder resolver problemas cuando las cosas van mal. Por ejemplo, la salida extraña de grandes errores o coeficientes beta de la regresión generalmente significa que la matriz de datos no está determinada / singular (como demasiados predictores para el número de variables, alta correlación de algunos predictores …) –si no sabe lineal álgebra, te sería difícil descubrir qué salió mal con tu estimador de mínimos cuadrados.

Si está contento con ser un usuario de herramientas y métodos predefinidos, no creo que pueda sacarle mucho provecho.

Al final las preguntas son:

• ¿Quieres investigar?
• ¿Desea poder abordar los problemas que encontrará tan pronto como deje el camino feliz?
• ¿Desea poder depurar las herramientas y la solución que ha creado?

Si puede responder uno o más de estos con “Sí”, creo que obtendrá algo de eso.

Porque en el aprendizaje supervisado, estás corriendo tras una medida de rendimiento, por ejemplo, precisión. ¿Cómo sabrías lo que debes hacer si estás por debajo de tu objetivo? ¿Cómo sabría qué cambios hacer o qué necesita ajustar?

No he leído el libro que mencionaste, así que no sé qué tan profundo es, ni qué tan amplia es la cobertura que brinda.