Necesitas dominar las matemáticas. Aquí está la lista:
-Cálculo
Ecuaciones diferenciales.
p>
Estadística Matemática
p>-Optimización
-Análisis de Algoritmos
...
Una respuesta como esta es Lo suficiente como para asustar a cualquiera, incluso a alguien con algunas habilidades matemáticas. Personas básicas.
Supongo que muchos principiantes se sentirán intimidados por este tipo de consejos, pero en realidad requieren menos conocimientos matemáticos de lo que creen (al menos menos de lo que otros dicen). usted). Si está interesado en convertirse en un profesional del aprendizaje automático, no necesita muchas matemáticas avanzadas para comenzar
Pero no si no hay un umbral, de hecho, incluso sin un alto nivel de cálculo y. linealidad. Existen otros umbrales para comprender el álgebra.
Las matemáticas no son el principal requisito previo para el aprendizaje automático
si eres un principiante y tu objetivo es lidiar con problemas industriales o corporativos. , entonces las matemáticas no son una máquina. El principal requisito previo para el aprendizaje.
La mayoría de los consejos que se escuchan sobre el aprendizaje automático hasta ahora provienen de expertos que trabajan en ciencia de datos en campos académicos. En los campos académicos, a menudo se le anima a hacerlo. Investigación académica y redacción de informes. Cuando su campo de investigación es el aprendizaje automático, entonces realmente necesita tener un conocimiento profundo de los fundamentos estadísticos y matemáticos del aprendizaje automático. p> En el campo industrial, la mayoría de las veces, la actividad principal no es inventar (hacer ruedas) y escribir informes. En muchos casos, especialmente en los primeros días, encontrará que está "disponible en el mercado". Las herramientas son suficientes. Las herramientas no requieren tanta matemática como podría pensar.
Las herramientas "disponibles en el mercado" no requieren mucha matemática.
Casi todas las bibliotecas comunes de aprendizaje automático. y las herramientas sí lo hacen. Usted se enfrenta a problemas matemáticos difíciles, lo que significa que no necesariamente necesita saber álgebra lineal y cálculo para participar en el aprendizaje automático.
Nuevamente, el software moderno de estadística y aprendizaje automático puede ayudarlo. con muchos problemas matemáticos.
Para los principiantes, el conocimiento matemático involucrado en el aprendizaje automático es tan profundo como el mar, y no es necesario ni necesario comprender el conocimiento matemático en el campo de las profundidades marinas. p>
Por supuesto, estas herramientas no se pueden utilizar para este propósito. Aún necesitas práctica para dominar las herramientas.
Si quieres comenzar a aprender sobre las máquinas, la habilidad realmente necesaria. lo que necesitas aprender es análisis de datos
(ya seas ingeniero de software o alguien de otro campo), no necesitas saber mucho sobre cálculo, álgebra lineal o cualquier otro nivel universitario. matemáticas para realizar estas tareas.
Sin embargo, el análisis de datos sí lo es. El análisis de datos es la primera habilidad que necesita para completar su trabajo, y es una habilidad esencial que los principiantes en el aprendizaje automático realmente necesitan.
Las matemáticas son importantes, pero no para principiantes.
Las matemáticas son importantes, especialmente en determinadas situaciones.
En primer lugar, si realiza una investigación sobre aprendizaje automático en el campo académico, las matemáticas son muy importantes, en segundo lugar, en el campo industrial, las matemáticas también son muy importantes para un pequeño número de analistas de datos/datos senior; científicos. Empresas como Google y Facebook, en particular, están a la vanguardia y están utilizando herramientas de última generación en aprendizaje automático. Estas personas suelen utilizar cálculo, álgebra lineal y matemáticas más avanzadas en su trabajo.
Los principiantes también necesitan matemáticas para aprender el aprendizaje automático. Comenzar con el aprendizaje automático requiere al menos habilidades básicas en matemáticas de nivel inicial. También es necesario comprender las estadísticas básicas, como la media, la desviación estándar, la diferencia, etc.