¿Los cursos de Cálculo y Álgebra Lineal en la Academia Khan son suficientes para ayudarme a entender las matemáticas detrás del aprendizaje profundo?

Answer 1

El enfoque debería ser: comprender qué es el Aprendizaje Profundo y preguntarse “por qué quiero aprender o saber DL”. Las matemáticas vienen más tarde. Otra pregunta crítica es: ¿qué rol se imagina jugando en DL? Respuestas Estas preguntas le permitirán dirigir sus intereses profesionales en la dirección que prefiera.

Una amplia gama de DL es –

comprensión de Aprendizaje supervisado / no supervisado, conjunto de datos de entrenamiento, datos de muestra, datos de población, aplicación de algoritmos de ML para generar modelos que desentierran la información sobre los datos a través de las capacidades incorporadas de los algoritmos para profundizar en los Datos y “aprender” lo oculto los patrones en los datos son, en esencia, de lo que se trata DL.

La matemática (álgebra) ayuda a comprender qué algoritmos son, en esencia, ecuaciones que comprenden variables que anotan los datos en términos de variables dependientes e independientes.

¡Aclamaciones!

Answer 2

Sí, yo diría que sí. El aprendizaje profundo requiere principalmente álgebra lineal, vectores propios y valores propios, derivados (especialmente derivados parciales) y gradientes. Aunque algunos algoritmos de DL son complejos, sus bloques de construcción son relativamente simples y no requieren álgebra incondicional o teoría de los números arcanos.

Cuando tomé el MOOC Stanford de Andrew Ng, encontré que la programación consumía más tiempo que las matemáticas. Necesitarás una buena formación en un idioma adecuado. Esto podría ser Python, R, Matlab, Octave, lo que se te presente.

Una cosa que podrías hacer es echar un vistazo a un MOOC de aprendizaje profundo en, digamos, Coursera o Udacity para ver si puedes seguir el curso. El canal de YouTube de Siraj Raval es otra opción para ver este tipo de contenido.

¡Buena suerte!