El aprendizaje automático es un campo enorme con la investigación y el desarrollo progresando a lo largo de varias vías. Normalmente, las matemáticas nunca son un problema. Uno solo espera estar familiarizado con lo básico y luego puede “elegir” conceptos matemáticos y trucos relevantes para resolver el problema en cuestión.
Los conceptos básicos a los que me refiero son álgebra lineal, cálculo, probabilidades y estadísticas. Si quieres ser un profesional en algoritmos, entonces las matemáticas discretas, la lógica booleana, la complejidad computacional, etc., también deberían incluirse en la mezcla. Si los estudias, verás que todo es matemática.
Eventualmente comprenderá cómo se usan las matemáticas para las aplicaciones de ML. El truco consiste en comprender qué problema quiere que resuelva la máquina enseñándole cómo resolverlo y luego esperar que la máquina mejore en su solución a medida que lo sigue resolviendo. Matemáticamente, eso puede ajustarse a la curva con minimización de errores, puede ser un problema de optimización, puede ser encontrar una función relevante y su generalización, podría ser resolver un conjunto de PDE en un espacio de fase repetidamente, etc. Todo depende de qué conceptos funcionen y proporciona la solución más fácil al problema.
- ¿Cómo debo comenzar si quiero ser parte de un proyecto de inteligencia artificial?
- ¿Qué papel juega la intuición en las matemáticas y puede la IA reemplazar completamente a un matemático?
- ¿Qué está haciendo Wavii con el aprendizaje automático para redefinir cómo se realiza la búsqueda en la web?
- Cómo comparar el rendimiento de mis modelos de Deep Learning con puntos de referencia estándar cuando se utiliza el aumento de conjunto de datos
- ¿Cuál es el mejor enfoque e implementación para la detección y reconocimiento de objetos en la actualidad?
Feliz investigando!
