Esta es una de esas preguntas de pollo y huevo.
Tres cosas principales que debe comprender para resolver un problema con ML:
- Al menos algunas matemáticas (incluidas las estadísticas aquí).
- El problema que estás resolviendo.
- Los datos que está utilizando para resolver el problema y los datos en general.
El primero proviene de aprender las matemáticas (y resolver problemas con él, por lo que realmente entiendes: no puedes leer las matemáticas), el tercero proviene principalmente de trabajar con datos, y el segundo generalmente es una combinación. Es por eso que las universidades, y ahora (algunos) MOOC, son más viables que aprender ML por su cuenta: necesita conocimientos prácticos y teóricos para hacerlo bien, e idealmente su aprendizaje debe estar estructurado. (Pero no demasiado estructurado: es sorprendente si aprende cosas que no necesita saber hasta que encuentre una aplicación para ello. Si nada más, le enseñará a pensar de diferentes maneras, siempre algo bueno).
- ¿Se puede utilizar el aprendizaje automático para generar mapas de forma orgánica con solo usar datos de satélite de Google?
- ¿Cómo puede un joven de 16 años comenzar a aprender sobre el aprendizaje automático?
- ¿Cuál es la diferencia entre el aprendizaje automático en Python y R?
- ¿Cuáles son las configuraciones adecuadas para la agrupación de documentos con K-means?
- Estoy interesado en el aprendizaje automático y la inteligencia artificial y recién comencé a aprender Python. ¿Qué otras habilidades debo tener en mi haber para tener éxito en este campo?
¿Pero necesitas muchas matemáticas para comenzar ML? No. (Sin embargo, hará que aprender ML sea más rápido . Caso en cuestión: mi amigo Conner Davis. Ha estado haciendo ML por un período de tiempo razonablemente corto, pero debido a que tiene muchos antecedentes en matemáticas, lo hace muy bien. hice una gran parte de mi licenciatura en matemáticas también, así que sé cómo funciona esto, aunque desde una perspectiva diferente a la de Conner).
Si eres un practicante de ML y no entiendes las matemáticas detrás de tus algoritmos, sin embargo, estás en serios problemas.
Pero también tendrá problemas si no tiene problemas o no comprende los datos. Es bastante imposible no tener idea de esto y trabajar en ML (porque vienen con bastante experiencia), por lo que el escenario de no tener suficientes matemáticas es lo más probable.