Sí, ML es definitivamente un campo pesado de matemáticas y estadísticas en comparación con la mayoría de los otros campos de la informática, y la parte de la teoría puede ser desalentadora para la mayoría de las personas que solo tienen experiencia en CS y no tienen suficiente exposición en técnicas estadísticas.
Ahora, respondiendo la parte sobre si debes dejar de tratar de entender los aspectos teóricos de ML:
TL; DR: ¡No te rindas todavía!
- Cómo calcular el inverso de la distribución normal estándar
- ¿Cuál es la ecuación matemática correcta para el siguiente problema informático?
- ¿Por qué nos trasladamos además?
- ¿Qué significa cuando una función es seguida por la notación big-O?
- Cómo convertir una combinación dada a un solo número
Aunque no puedo darle consejos específicos sin saber más sobre sus antecedentes y lo que ha estado haciendo durante el año pasado para “comprender [ML] completamente”, sin embargo, a partir de la formulación de la pregunta (extendida) es evidente que está frustrado con ser incapaz de obtener ese tipo de información sobre la naturaleza de los algoritmos de aprendizaje automático que generalmente puede obtener con relativa facilidad en otros campos de la informática.
Yo diría que no estás solo. Puedo decir que tengo una idea decente sobre cuáles son los algoritmos ML populares, dónde encontrar buenas implementaciones para ellos, qué tan bien funcionan para diferentes tipos de conjuntos de datos.
Sin embargo, no siempre puedo decir con seguridad por qué un algoritmo particular funciona de una manera particular. Esa suele ser una pregunta difícil, y probablemente en la frontera de la mayoría de las investigaciones académicas actuales en este campo. Tengo la sensación de que tu situación no es muy diferente a la mía 🙂
Pero déjame darte el ejemplo cliché del auto de carreras (del cual probablemente ya sabes, en cuyo caso esto debería ser un feliz recordatorio): un auto de carrera tiene diferentes niveles de abstracción :
- El diseñador conoce el diseño, la aerodinámica, las parcelas de carga de motor vs consumo de combustible y otras cosas del automóvil.
- El ingeniero sabe cómo lidiar con los problemas prácticos que pueden surgir el día de la carrera.
- El conductor sabe cómo maniobrar el automóvil desde el principio hasta la bandera a cuadros.
El punto importante es que todas las posiciones son igualmente importantes, y ningún nivel subsume completamente al otro. Por lo general, un experto en un área no puede realizar fácilmente las tareas de un experto en otra área. Deben trabajar en armonía hacia un podio.
La belleza del campo del aprendizaje automático es que es emergente: muy pocas personas afirman haber entendido todas las complejidades que rodean a un algoritmo en particular. Sin embargo, habrá mucha demanda de grandes diseñadores (aquellos que estén bien versados en la teoría matemática), ingenieros (aquellos que sean buenos para implementar algoritmos conocidos de manera eficiente) y conductores (aquellos que sean expertos en aplicar los algoritmos en los problemas correctos de la manera correcta) en este campo en el futuro inmediato. (Soy demasiado vago en este momento para agregar referencias, pero puedes buscar en Google esto y ver que casi todo el mundo está diciendo lo mismo en este momento). (La analogía del diseñador / ingeniero / conductor no es perfecta, pero espero que entiendas bien )
Ahora, una cosa que es común entre los diseñadores, ingenieros y conductores en el negocio de los autos de carrera es su amor por el concepto de autos súper rápidos de carreras. Del mismo modo, si la idea de algoritmos que pueden aprender de los datos para resolver problemas interesantes le entusiasma, entonces quédese. No te rindas todavía. Un año es menos tiempo para comprender completamente las complejidades de un campo que está realmente en la frontera del conocimiento humano en este momento. Siga trabajando en ello, inscríbase para obtener un título avanzado en este campo, o tome un trabajo que le permita experimentar y aumentar su comprensión sobre este campo. Tal vez después de años de experiencia con datos reales y de haber probado varios algoritmos, ver qué funciona y qué no, poner un gran esfuerzo mental para comprender los detalles minuciosos de varios enfoques, la información llegará lentamente a usted. Quizás para entonces usted decida qué función le conviene más: diseñador / ingeniero / conductor.
Al menos eso es lo que espero para mí 🙂
No estoy seguro acerca de la utilidad de esta respuesta para obtener una comprensión intuitiva, pero espero que te motive a continuar con tu búsqueda de la misma. Se avecinan tiempos emocionantes 🙂