Mi experiencia personal es cuando aprendes un tema por primera vez, hay aspectos que cuestionas rigurosamente, que pueden llevarte mucho tiempo y una profunda reflexión para aceptar. Pero hay otros aspectos que le parecen muy naturales hasta que alguien le haga una pregunta simple que nunca pensó hacer. “¿Por qué un espejo retrocede de derecha a izquierda y no de arriba a abajo?”, Por ejemplo, atrae a mucha gente cuando un niño en el fondo de la habitación con una expresión perpleja levanta la mano.
Sin embargo, nunca pensé en enseñar como una persona sabia que explica el conocimiento establecido a los recipientes vacíos. Los estudiantes deben ver que el conocimiento es una lucha, no un montón de ejercicios de tarea. No me avergonzaba admitir que “nunca pensé en eso” cuando enseñaba, y creo que algunas de las mejores clases surgieron cuando descubrimos algo como grupo.
- ¿Es posible que una computadora aprenda a distinguir gatos de perros de solo un conjunto de imágenes sin que le digamos qué imágenes son gatos y cuáles son perros, o incluso si hay cosas como gatos y perros, y si es así, cómo es exactamente esto? ¿hecho?
- ¿Se pueden usar los modelos ocultos de Markov como clasificadores binarios? Si es así, ¿cómo?
- ¿Cuál es la diferencia entre soft k-means y el algoritmo EM?
- ¿Qué es un uso subestimado del aprendizaje automático?
- En Batch Normalization, ¿por qué se deben actualizar moving_mean y moving_variance?