Al principio parece imposible. A los académicos les encanta poner sus fórmulas por adelantado, y eso no es algo malo. Comprender los fundamentos es excelente, pero no es tan necesario como entrenar una gran red, lo que se puede hacer sin una comprensión profunda del cálculo y el álgebra lineal. Es un poco como leer música. Es muy útil, pero al final es la música que se hace lo que es importante. Deberá comprender algún tipo de programación, como Python, algunas estadísticas y muchas cosas como obtener y usar software, conectarse a bases de datos, limpiar datos, probar resultados, encontrar valores atípicos, diseñar datos de enseñanza de casos especiales, mostrar resultados en gráficos , etc. Lo más importante para acertar es la recopilación de datos, la capacitación de una buena red mediante el empleo de una buena arquitectura, la implementación correcta y la capacidad de presentar resultados en un formato comprensible. La regla de la cadena, por ejemplo, tiene muy poco que ver con estas cosas más allá de lo que los programadores de las bibliotecas hicieron por usted. Aprender nuevas ideas en ML será más difícil si no puede leer los documentos de tesis, pero puede aprender muchas ideas estándar sin una gran cantidad de matemáticas avanzadas. Y, por supuesto, debe continuar mejorando su comprensión de las matemáticas relevantes a medida que avanza. Entonces sí, es un poco loco, pero creo que es posible. Si te atrae, si te apasiona, en mi opinión, vale la pena intentarlo.
¿Es una idea loca aprender el aprendizaje automático y el aprendizaje profundo sin ningún conocimiento avanzado de matemáticas?
Related Content
¿Cuál es la relevancia de la factorización matricial en el aprendizaje profundo?
¿Cuál es una explicación intuitiva para el problema de optimización cuadrática?
¿Es el análisis de sentimientos todo sobre lingüística?
No es una idea loca en absoluto.
Si observa el nuevo curso de aprendizaje profundo de Andrew Ng, verá que ha sido diseñado de una manera útil para las personas que no tienen conocimientos avanzados de matemáticas. Si Ng está diseñando su curso de esa manera, tal vez no sea una idea loca.
No tiene que saber muchas matemáticas para aplicar y adaptar los métodos de aprendizaje automático para diversos problemas. En realidad, todo el campo va en esa dirección: cada vez más personas pueden utilizar métodos de aprendizaje automático sin conocer antecedentes teóricos. Esto está relacionado con la madurez de los métodos de aprendizaje automático.
Pero en un momento puede sentir que conlleva algunas limitaciones, ya que podría tener dificultades para comprender los documentos que describen nuevos métodos. En ese punto, bastaría con tener conocimiento de cálculo, álgebra lineal, matemática discreta y probabilidad y estadística.
Bueno, he hecho casi lo contrario de esta situación. Tengo bastante experiencia en matemáticas, diría que me especialicé en el procesamiento de señales, y salté a ML y DL. Pasé mi tiempo buscando las matemáticas y el razonamiento detrás de ML y DL. Si bien he encontrado algunas cosas concretas, estos temas son completamente negros como todos dicen. Estoy decepcionado, supongo, como la mayoría de las personas que buscan las matemáticas detrás de todas las cosas. Las matemáticas realmente están detrás de todo, pero en el caso de ML o DL no es necesario saber mucho para lograr el máximo.
Sin embargo, puedo decir No como respuesta a su pregunta. Puede iniciar ML y DL sin matemáticas, puede aprenderlo después de lograr la cantidad satisfactoria de cosas. Pero también puedes ir mucho más lejos sin él.
Sí, es una idea loca. Es exactamente cómo lo hice, y cualquier enfoque que adopte es cuestionable. Sin embargo, funcionó. Como señala Fengyuan Zhang, el cálculo y el álgebra lineal (especialmente las matrices) son útiles, pero como la mayoría de las ciencias de la computación, los conceptos básicos son algebraicos. Las matemáticas discretas siempre son útiles en CS también. Utilicé ML como base para aprender más sobre matemáticas y temas como la geometría no euclidiana, pero lo que sabía de matemáticas cuando comencé todo esto no podía llenar un dedal. Realmente no sabía cálculo y nunca había tomado matemáticas discretas.
¿Eres algún tipo de codificador? ¿Y puede permitirse pagar unos $ 100 para ejecutar un hardware de aprendizaje profundo real en AWS? En esta serie de videos y materiales, Jeremy Howard y Rachel Thomas presentan una introducción a la práctica contemporánea de IA, para personas que no son matemáticas, que están dispuestas a escribir algún código.
Videos: curso de aprendizaje profundo fast.ai – YouTube
Materiales: fastai / cursos (github)
Divulgación: no he completado el curso yo mismo. Digamos que no tengo paciencia para las personas que intercalan cada oración técnicamente significativa (y me refiero a todas las oraciones.) Con un discurso lateral extendido y detallado y revelación personal. Me molestaría si no fuera gratis. Pero vale la pena ver los videos de todos modos, y los materiales son dorados, si puede permitirse ejecutar los servicios necesarios o puede construir su propia caja DL:
diy deep learning – Búsqueda de Google
Si. Los necesitará para ser competentes y comprender si lo que está solicitando es correcto o no. Tome algunos cursos de matemáticas primero o concurrentemente: cálculo, álgebra lineal, teoría de estadística / probabilidad.
Aquí hay una descripción general de PPT que puede ayudar una vez que tenga algunos de los antecedentes matemáticos (los documentos probablemente pueden ayudarlo a llenar los vacíos): https://www.slideshare.net/Colle …
Depende de qué quieres decir con “matemáticas avanzadas”.
Las matemáticas de nivel universitario deberían ser suficientes para que entiendas los conceptos.
Si tiene una “buena” comprensión de las matemáticas de nivel universitario, especialmente en álgebra lineal y cálculo, puede resolver casi todas las fórmulas. Sin embargo, lleva tiempo.
Incluso si no tiene experiencia en matemáticas de nivel universitario, aún puede comprender la idea y no tendrá problemas para usar las bibliotecas de Machine Learning. Sin embargo, será difícil apreciar las matemáticas detrás de esto.
No necesariamente tiene que poseer conocimientos matemáticos avanzados, pero aún es una buena posesión si lo tiene. Necesitará conocer algunos algoritmos complejos y estructuras de datos y también una habilidad para resolver problemas.
No estoy seguro de que sea posible, más allá de aprender los conceptos básicos.
More Interesting
¿Cómo aprende IBM Watson de los libros y documentos médicos?
¿Qué pensaría BF Skinner del aprendizaje automático?
¿Qué herramientas están disponibles para extraer PCFG lexicalizados de un corpus analizado?
¿Qué debe saber un profesional de aprendizaje profundo para un hackathon?
¿Cómo ayuda el enfoque ontológico con la clasificación de texto?
¿Cómo funciona el algoritmo EM para un modelo mixto que factoriza según un modelo Naive-Bayes?
¿Qué tan importante es Octave como primer paso en Machine Learning? ¿Se utiliza en la industria?
¿Cómo se hacen los algoritmos EM?
