He pasado por exactamente la misma página. Entonces mi guía será …
Paso 1
Comience con conceptos básicos de estática.
- ¿Qué tan 'neurales' son las redes neuronales?
- ¿Cómo se determina la significación estadística para las curvas ROC y los valores de AUC?
- AI aprende de los datos del pasado para predecir, entonces, ¿debería haber preocupaciones en torno al pensamiento grupal? ¿La creatividad tendrá éxito en un mundo más autónomo?
- ¿Qué conocimiento matemático se necesita para comenzar a trabajar en el aprendizaje profundo?
- ¿Existe una buena herramienta de aprendizaje de idiomas?
me gusta.
Media, mediana, modo, desviación estándar y algo de matriz (realmente importante o se le dará una paliza al usar numpy).
Luego correlacionarlos con en la vida real. Lo que significa 1 sd (desviación estándar) de distancia. Comprenda cuál es la diferencia entre “Precisión y exactitud” (hecho alucinante). ¿Cómo puedo decir que el punto de datos no es válido si está a 2 sd de distancia mientras el modo se encuentra entre ellos?
Paso 2
Enfrentarse a la regresión … ¿qué diablos y por qué debería?
Bueno, simplemente sin regresión no puedes hacer lo que hace la regresión. simple como eso. Entonces la regresión solo predice “Números”. Puede ser lineal o lógico (pocos de los muchos).
La regresión lineal deriva una relación lineal con x e y ¿por qué? Debido a que los datos Y continúan y estamos tratando de predecir una Otra instancia en la serie.
La lógica, por otro lado, crea una “CURVA” en lugar de la línea ¿por qué? Porque aquí está ajustando los datos entre dos puntos de datos discretos como (1 y 0, Sí y No, 0 y 100). Pero ninguno tiene sentido si no conoce estadísticas básicas.
El punto es entender cuándo hacer qué … No entender todas las herramientas.
“Las neuronas que disparan juntas, conectan a Donald Hebb”
