De ninguna manera soy un experto en esto, porque todavía estoy aprendiendo sobre el campo. Así que estoy ofreciendo una guía para principiantes desde la perspectiva de un principiante.
Para comprender cómo se calculan las cosas, debe comprender:
- cálculo multivariable, especialmente reglas de cadena para el paso de propagación hacia atrás en redes neuronales;
- métodos de optimización, como el descenso de gradiente estocástico;
- álgebra lineal, solo la parte de cálculo vectorial.
Para tener una comprensión más profunda de los algoritmos de PNL, también necesita conocer algunas estadísticas:
- ¿Es teóricamente posible que un algoritmo tenga una complejidad negativa?
- ¿Qué entero decimal está representado por 0xE4 en una notación de complemento a dos de 8 bits?
- ¿Cuáles son algunas de las ofertas de colocación dadas a los estudiantes de matemáticas de IIT-K? ¿Son equivalentes a los chicos de CS?
- Cómo ser un programador perfecto paso a paso
- ¿Por qué los sistemas P no implican que P = NP?
- independencia de variables aleatorias, cadenas de Markov;
- Estimación de máxima verosimilitud: el MLE es muy fácil de calcular, pero para comprender por qué el MLE es un buen estimador, por ejemplo, su propiedad de varianza equitativa, su comportamiento asintótico, necesita inferencia estadística.
Volveré y editaré esta lista a medida que aprenda más sobre PNL.
