La serie temporal es una especie de aventura artística. Se trata de interpretación y predicción, lo cual es muy divertido. Mi primer amor fueron las estadísticas, pero fue una relación superficial. La serie de tiempo fue el rebote y todavía me es querido.
El aprendizaje automático clásico como bosques aleatorios, algoritmos genéticos y máquinas de vectores de soporte es realmente bueno. Nunca me cautivaron las redes neuronales y, por extensión, el aprendizaje profundo. No soy un tipo artístico, pero me siento culpable cuando pinto un problema completamente en blanco. Esta noción de plug and play para resolver todo se siente intrínsecamente impura y contraria a mis creencias como analista. La agitación del estómago es una mejor descripción.
En mi época [me doy cuenta del récord de que tengo 29 años], pronosticando que las competiciones se ganaban cocinando cosas ordenadas pero aún comprensibles. Un momento memorable fue utilizar un algoritmo genético para seleccionar parámetros de series de tiempo y aprender con la estadística PRENSA. Gané, y fue muy divertido.
- Robótica: ¿Cuáles son algunos proyectos interesantes de aprendizaje automático relacionados con UAV / drones?
- ¿Qué hay de nuevo con Wasserstein GAN?
- ¿Cuál es la diferencia entre regresión logística y factorización matricial?
- ¿Puedo terminar en trabajos de aprendizaje automático si tengo una maestría en neurociencia?
- ¿Cómo se entrenan las redes neuronales de factor latente?
El aprendizaje profundo no está exento de encantos, pero como digo todo el tiempo, se usa mal a menudo.
Sé que me estoy volviendo realmente nerd en este momento, pero como dicen los niños: solo eres gelatina.