Es probable que eso le brinde una base bastante sólida para comprender el aprendizaje automático. El álgebra lineal también ayudaría, pero entre los tres, diría que la estadística es la más importante, ya que realmente se basa en los métodos de aprendizaje automático. Con ese nivel de matemática, puede descubrir una buena cantidad de lo que está sucediendo en la mayoría de los métodos de aprendizaje automático, siempre que reciba explicaciones decentes en libros, conferencias u otro material de aprendizaje.
En realidad, inicialmente aprendí muchas de las cosas de aprendizaje automático que ahora uso a través de YouTube, el canal de MathEmonmonk, donde es posible que desee un poco más de antecedentes matemáticos que las estadísticas de Calc BC y AP, pero es un tratamiento mucho más matemático del material que la mayoría de los tutoriales que usted Lo encontrará en Internet, y realmente se mete en el meollo de por qué las cosas funcionan de la manera en que lo hacen. Muy pocas personas necesitan profundizar tanto. Si en su mayoría necesita usar el aprendizaje automático sin conocer necesariamente todos los detalles (aunque se recomienda conocer algunos de los detalles), puede encontrar materiales de aprendizaje mucho más directos en línea. Afortunadamente, el aprendizaje automático es uno de esos temas para los cuales no hay escasez de material en línea para aprenderlo.
- ¿Cuál es la diferencia entre las arquitecturas i386 y x86?
- ¿Cuántos tipos de artículos hay en una computadora?
- ¿Debo comprar o construir un sistema informático para satisfacer mis necesidades?
- ¿Funciona realmente el cerebro como los ANN?
- Usando la potencia de procesamiento de todas las supercomputadoras más potentes del mundo, ¿cuánto tiempo y energía se necesitaría para renderizar cada imagen posible dentro de un lienzo de 500 × 500 píxeles con una profundidad de color de 8 bits?
