Como regla general, si el estudio hace que un humano sea inteligente, también hará que una máquina sea inteligente. Todavía soy un novato en el aprendizaje automático y solo he trabajado con algoritmos genéticos, pero lo he estado buscando para mis Maestros. El cálculo vectorial es bueno para lo siguiente:
- Centro de masa
- Teoría de campo
- Cinemática
- Ecuaciones de Maxwell
Cuando esté haciendo robots, hará un uso intensivo de la cinemática y el centro de masa es importante. Los robots y el aprendizaje automático van de la mano. También puede usar cálculo vectorial en lógica difusa. Cuando tiene variables lógicas difusas que cambian a una velocidad medible, los algoritmos de aprendizaje automático pueden necesitar optimizar múltiples valores simultáneamente usando el Descenso de gradiente, y tomar una distribución marginal sobre las distribuciones dimensionales altas usando procesos gaussianos.
- Aprendizaje automático: Alex Casalboni: ¿Cuál es la mejor herramienta de ML para desenfocar caras (los tres tipos de visión izquierda, derecha y frontal) y placas en las imágenes?
- ¿Es posible verificar manualmente si los vectores de soporte siguen hiperplanos teóricos en SVM usando un núcleo de base radial?
- ¿El submuestreo de un entrenamiento desequilibrado es una buena idea cuando los datos del mundo real, usaré mi clasificador, también estarán desequilibrados?
- ¿Cómo se diseñan y desarrollan las nuevas arquitecturas de aprendizaje profundo?
- ¿Puede el desarrollador de hadoop aprender el aprendizaje automático?