Depende de tus habilidades matemáticas y estadísticas avanzadas. Necesita hacerse algunas preguntas:
- sabes como resolver ecuaciones diferenciales
- ¿Entiendes la diferencia de diferentes distribuciones?
- ¿Qué es la transformada de Fourier?
Si tiene una comprensión profunda de las preguntas anteriores, puede aprender el reconocimiento de imágenes ML en 6 meses.
Usemos el aprendizaje profundo para reconocer la imagen como ejemplo:
- ¿Cómo es que jugar GO contra 'la computadora' es diferente al Alpha Go de Google?
- ¿Qué es un proceso?
- ¿Cuáles son los elementos básicos de un estudio hogareño de músicos electrónicos que utiliza máquinas dedicadas en lugar de una computadora personal?
- Soy estudiante de informática y quiero crear aplicaciones para iOS. ¿Qué ganaré con eso? ¿Puedo obtener un ingreso extra? ¿Será bueno para mí en el futuro?
- ¿Debo terminar una licenciatura en CS si realmente no quiero ser ingeniero de software?
Aquí está la estructura de alexnet. Consiste en capas convolucionales, capas de agrupación, capa totalmente conectada y abandono.
La capa convolucional es básicamente un grupo de ecuaciones diferenciales.
La capa de agrupación en este caso es la agrupación máxima, básicamente es simple tomar el número más grande en el parche 2 × 2.
La capa totalmente conectada es una red neuronal antigua
Lo cual puedes entender como un montón de ecuaciones diferenciales
La capa de abandono simplemente cierra al azar algunas neuronas para introducir algunas variaciones en la red.
Durante el entrenamiento, la información se pasa de la última capa a la primera por retropropagación, que nuevamente son algunas ecuaciones diferenciales.
No hay magia negra aquí. Todo lo que necesitas es una base sólida de matemáticas.
