¿Tenemos que aprender matemáticas detrás de cada algoritmo de aprendizaje automático?

El aprendizaje automático es un campo bastante vasto y está creciendo rápidamente con conferencias y revistas que producen literatura cada mes. Por lo tanto, es difícil aprender todos los algoritmos disponibles y, de hecho, es casi imposible dominarlo todo.

La clave está en los fundamentos. Aprender las matemáticas detrás de cada algoritmo ML puede no ser una necesidad o incluso ser poco práctico. Pero como con cualquier campo, si somos claros con los fundamentos, el resto viene con facilidad. ML es un campo que es en gran medida impulsado por álgebra lineal y probabilidad. Por lo tanto, dominar estas dos áreas de las matemáticas puede llevarnos un largo camino para comprender a la perfección cualquier trabajo recientemente publicado en ML. Esto, junto con una buena comprensión de las matemáticas detrás de algoritmos de ML bien establecidos, debería ser una base suficiente para una carrera científica y aplicada en este campo emocionante y actual.

El científico o el ingeniero son importantes. Como científicos, siempre es mejor conocer las matemáticas claramente en el área de investigación en la que están trabajando. Los ingenieros, por otro lado, son expertos en implementar algoritmos de ML y hacer que funcionen en algunas aplicaciones. Aunque una comprensión clara de las matemáticas puede no ser esencial, sí lo son las buenas habilidades de codificación. Dicho esto, he notado que los ingenieros se destacan en su codificación y hablan con mucha más confianza si entienden las matemáticas detrás de lo que están haciendo.

¡Espero eso ayude!

Aprenda las matemáticas detrás de los algoritmos clave, y probablemente desarrollará una intuición con respecto a otros algoritmos relacionados (por ejemplo, conocer la red elástica y la regresión aumentada le brinda las herramientas para comprender xgboost). También podrá leer documentos en el campo a medida que salgan. Un par de lugares para comenzar son Los elementos del aprendizaje estadístico y https://www.slideshare.net/Colle …

En una palabra. si

Déjame decirte por qué.

Supongamos que solo sabe cómo usar las bibliotecas y bif.

Su jefe le da una tarea en ML y él le pregunta cuánto tiempo tomará,

Usted dice “Chill pal, sé que la función de biblioteca para este regalo en sklearn, lo haré en un día”.

Empiezas a trabajar en ello, y esa función no te está dando los resultados requeridos.

Su jefe le pregunta al día siguiente, ¿está hecho? Bueno, diga que no y trate de encontrarlo en otras bibliotecas,

No puede encontrar ninguno, porque este es uno de sus problemas, por lo que no puede resolverlo con bibliotecas.

¡Si en caso de que sepa cómo funciona la lógica y las matemáticas detrás de esto, puede construir su propio método y hacer esa tarea!

Solo por usar el aprendizaje automático, solo tiene que saber un poco de matemáticas, ya que muchas bibliotecas de aprendizaje automático envuelven esos elementos matemáticos. Sin embargo, si necesita ajustar el aprendizaje automático para obtener el mejor modelo, o si desea desarrollar un marco en sí mismo, seguramente necesita comprender las matemáticas detrás del aprendizaje automático. Si tiene que explicar por qué cierto aprendizaje automático funciona para su cliente, entonces debe comprender claramente las matemáticas.

Creo que si tiene suficiente tiempo, será mejor que descubra los detalles matemáticos de los algoritmos principales de aprendizaje automático, y luego puede implementarlo utilizando el lenguaje con el que está familiarizado. Puede explotar el mayor potencial de los algoritmos cuando los usa en producción.

Se recomienda leer 《Los elementos del aprendizaje estadístico》 y 《Reconocimiento de patrones y aprendizaje automático》。

Hola,

Para comenzar con el aprendizaje automático, si tiene conocimientos básicos de Estadística y Matemáticas, puede funcionar para usted. Pero cuando comienzas a profundizar en ello, es necesario comprender qué está sucediendo detrás de los algoritmos. Por lo tanto, puede escapar de las matemáticas al principio, pero eventualmente terminará sin saberlo. Entonces, si te gustan las matemáticas, ¡bienvenido a bordo!

Gracias

Siempre es mejor saber que no saber, pero no necesitas aprender matemáticas para comenzar en el campo. Sin embargo, es recomendable que aprendas en algún momento.