Realmente depende de lo que intentes hacer. Sí, tú puedes hacerlo. Pero;
Si eres como yo y estás investigando un campo relacionado, entonces prepárate para reinventar la rueda desde una perspectiva diferente.
Estaba trabajando en un proyecto con una fecha límite para el reconocimiento de gestos. Escribí un documento de conferencia sobre un método plausible que se puede mejorar. Hacia la fecha límite, también se nos pidió que utilizáramos ML (hasta ese momento sabía pocas cosas sobre el tema, pero no tenía un conocimiento profundo). Empecé a trabajar en ML. Luego, cuando aprendí la regresión logística, me di cuenta de que el método que proporcionamos en el documento es casi lo mismo que la regresión logística desde una perspectiva diferente, que hace lo mismo que la regresión logística. Debo añadir vergüenza, pero el artículo ya estaba publicado y no había nada que pudiera hacer en este momento.
- ¿Es Bayes jerárquico básicamente una introducción de hiperparámetros en el modelo?
- ¿Por qué utilizamos la política codiciosa de epsilon para la evaluación en el aprendizaje por refuerzo?
- ¿Cuál es la diferencia entre estadística y aprendizaje automático?
- ¿Pueden Kmeans y el algoritmo DBSCAN dar el mismo resultado para un conjunto de datos en particular?
- ¿Es el número de nodos en una capa oculta más que la capa de entrada? ¿Es esto un problema? ¿Qué se puede aprender en tales redes neuronales?
Entonces sí, reinventé la regresión logística. En la investigación, esto no es algo que desee. Sí, el método proporciona una perspectiva diferente sobre el asunto, por lo que no todo se pierde, pero tampoco es un resultado muy bueno. Si supiera antes qué era la regresión logística, podría pasar el tiempo para intentar mejorar la regresión logística.
Incluso si no está investigando, lo que está ahí afuera podría ayudar mucho y probablemente sea mejor de lo que se le ocurre.
En general, SÍ. Pero es posible que no desee resolver los problemas resueltos hace 40 años. Asi que preparate.
Diría (desde un punto de vista técnico) que no será difícil trabajar con RL y DL si solo conoce los conceptos básicos. Pero, ¿por qué trabajar en algo si la solución ya existe?
Mejor.
