¿Necesito 1 año para aprender matemáticas antes de aprender Machine Learning?

Answer 1

No y sí, en ese orden. Tengo experiencia en el procesamiento de señales estadísticas y una buena comprensión del álgebra lineal, la probabilidad, etc. Por lo tanto, ponerse al día en las matemáticas de ML no fue demasiado difícil. Pero cuando ‘uso’ un modelo, básicamente ejecuto una rutina lista para usar. Mientras entiendo lo que el modelo me está diciendo, y pueda interpretarlo sabiamente, no encuentro el uso de las matemáticas. A veces trato de formular el problema en términos matemáticos, ‘antes’ de aplicar un modelo. Sin embargo, las matemáticas en los libros de texto tienen tantas suposiciones que la aplicación de las matemáticas de los libros de texto se rompe rápidamente.

A continuación, si está codificando sus propios algoritmos, las matemáticas seguramente ayudan, y ayudan mucho. Si su algoritmo tiene problemas de rendimiento, si no tiene conocimientos de matemáticas, lo más probable es que vaya a buscar un error de codificación como un pollo sin cabeza. Pero con un fondo matemático, puede crear algunas pruebas de cleaver y datos artificiales, que lo ayudan a reducir su depuración a una sección más pequeña del código.

Las matemáticas son esenciales para los algoritmos e investigaciones de vanguardia, y se aprenden mejor en un marco claramente establecido como un programa de doctorado.

No espere a aprender todas las matemáticas antes de aprender ML, no hay fin a lo profundo o amplio que puede llegar. Sugerencia: elija un modelo, aplíquelo, lea su documento de principio a fin, lea algunos documentos relevantes, aprenda las matemáticas necesarias para comprender los documentos y continúe. Hazlo iterativo. Piensa en ‘matemáticas aplicadas’. Algunos conceptos básicos que ayudarán: Conceptos básicos del álgebra lineal (matriz, subespacios, representación propia), teoría básica de probabilidad. Compruebe el reconocimiento de patrones por el obispo. Lea el capítulo 2. Da la cantidad correcta de matemáticas. Obtener algunas estadísticas básicas (academia Khan). El resto, aprendelo ‘en el trabajo’

Como nota aparte: la habilidad de la que carecen incluso las personas alfabetizadas en matemáticas como yo es relacionar las matemáticas con el problema y viceversa. Creo que obtener un doctorado resuelve en gran medida este problema, la experiencia no. Pero eso es para otro día.

Answer 2

Las matemáticas con su abstracción, detalles de neurociencia o dominio de los lenguajes de programación, no son un requisito previo para entender el aprendizaje automático.

Pero, es mejor si tienes

1. antecedentes formales sobre probabilidad, estadística, álgebra lineal y cálculo diferencial, para comprender los algoritmos de aprendizaje automático;
2. visión general de la neurociencia, para comprender los conceptos utilizados en el aprendizaje profundo basado en la filosofía de aprendizaje automático reciente;
3. capaz de programar en Python, R, C ++ o Lua, para comprender diferentes desarrollos de rutina abierta, como OpenAI Gym, TensorFlow, Theano, Torch, Caffe, o contribuir en su comunidad abierta respectiva.

Por lo tanto, si tiene algunos antecedentes básicos de matemáticas como: matriz, vector, probabilidad simple y estadísticas, salte al aprendizaje automático.

Al igual que, no hay un final en el aprendizaje del aprendizaje automático, no hay un final en el aprendizaje de las matemáticas para aprender el aprendizaje automático.

Answer 3

NO hay necesidad de gastar 1 año para las matemáticas,

Si tu estudiante de la escuela, puede tardar 1 año,

Creo que eres un estudiante universitario / profesional de trabajo. Así que si intentas aprender matemáticas a partir de hoy mismo, apenas tomarás 2–3 meses, porque ML Need Strong Maths Foundation.

¿Qué extensión necesitan las matemáticas?

1. Cálculo
2. Probabilidad
3. Estadística
4. Álgebra

Por lo tanto, debe perfeccionarse en las áreas anteriores. Para la programación que necesita Programación con Python y R [La programación también requiere de 2 a 4 meses Depende de su capacidad]

Además, puedes aprender Aprendizaje automático [tomará un mínimo de 3 meses]

Aprendizaje automático AZ ™: práctica en Python & R en Data Science

Aquí puedes aprender

• Master Machine Learning en Python & R
• Tener una gran intuición de muchos modelos de Machine Learning.
• Hacer predicciones precisas
• Hacer poderoso analisis
• Hacer modelos robustos de Machine Learning.
• Cree un fuerte valor añadido para su negocio.
• Utilice el aprendizaje automático para fines personales
• Manejar temas específicos como aprendizaje de refuerzo, PNL y aprendizaje profundo
• Manejar técnicas avanzadas como la reducción de dimensiones.
• Sepa qué modelo de Machine Learning elegir para cada tipo de problema
• Construye un ejército de poderosos modelos de Machine Learning y sabe cómo combinarlos para resolver cualquier problema.

Todo lo mejor .

Answer 4

Es una regla general que cuanto más sepa, más fácil será el aprendizaje. No siempre es el caso pero en general.

Los mejores aprendices son niños muy pequeños y, aunque no saben mucho de matemáticas, parecen usar algunas de las mismas técnicas de inferencia que los expertos en aprendizaje automático piensan que las máquinas deberían!

Vale la pena leer los libros de ‘popularización’ para comenzar, pero a medida que aprende más, las matemáticas a menudo le ayudan a evitar errores que pueden cometerse fácilmente.

Sin embargo, cuanto más sepa, más probable es que se pierda exactamente las mismas cosas que los demás. Esta es la razón por la que viajar fuera de los caminos trillados suele ser más gratificante que seguir a otros. Es, desafortunadamente, también mucho más peligroso.

Una buena estrategia es obtener una visión general de los temas primero y solo luego seleccionar las herramientas que necesita en lugar de tratar de aprender cosas de antemano.

Esta estrategia, como todas, tiene sus desventajas pero puede ser mucho más eficiente que las alternativas.

Answer 5

En primer lugar, no soy un experto en ML. Pero voy a tratar de responder desde mi experiencia. No necesitas 1 año de matemáticas. Solo algunas cosas básicas, como una idea de derivados y operaciones matriciales, le darán una ventaja, pero no son requisitos absolutos. Yo sugeriría el curso de Andrew Ng sobre Aprendizaje Automático en Coursera. Él asume que usted tiene muy pocos antecedentes matemáticos y sus conferencias y asignaturas del curso son bastante impresionantes

PD: Me dieron de baja después de 4 semanas porque estaba afectando mis calificaciones porque no soy un estudiante de Ciencias de la Computación. Por eso dije que no soy un experto en Aprendizaje Automático.

Espero eso ayude

Answer 6

¿Cuál es tu propósito para aprender? ¿Cómo planeas usar ML? Dar un poco de contexto y objetivos y podría ayudar.

Podría pasar años en ML – es un campo inmenso y sin algunos límites y criterios puede girar sus ruedas durante mucho tiempo. Del mismo modo, puede hacer cosas prácticas al tratar los marcos de ML como cajas negras (dentro de límites) y muy pocas matemáticas más allá del álgebra básica y estadísticas simples.

Answer 7

No.

Necesitas aprender Python.

Luego, aprende Pandas para Python .

La parte de matemáticas del aprendizaje automático está sobrevalorada.

La parte del mundo real que se ocupa de los datos está muy subestimada.

Podrías ser Gauss y si no conoces Python, nunca pasarás las 10 primeras preguntas de la entrevista.

Si realmente estás interesado en el aprendizaje automático, comienza a aprender Python ahora.

El curso completo de Python para ingenieros de aprendizaje automático

Answer 8

No necesitas un año. Concéntrese en las áreas que son importantes para ML / AI / DL y aprenda sobre los 2 meses aproximadamente. Comience los cursos de ML y vaya en más detalle en el área de matemáticas en paralelo. Eso lo hace más fácil y puedes ver las aplicaciones.

Answer 9

Y directamente de los bancos de datos de Quora:

¿Cuáles son los requisitos previos para comenzar a aprender el aprendizaje automático?

Answer 10

Sí, el marco de tiempo no es tan importante como la idea de que la preparación matemática es la base antes de que pueda comprender el aprendizaje automático.