1
murmur 2020-12-21 09:46:32 +08:00
你如果大学的概率论 微积分 线性代数这些都能考到 90+ 不是突击的 那还是有突破炼丹可能的
最基本的数学都看不懂 那论文更白扯了 还是专心炼丹吧 工程跟理论还是有点差别,数学只是保证你能看懂,论文还是要看,一个巨复杂的公式,这个影响小舍掉,这个忽略不计,这个可以换掉,改来改去最后就能用电脑求解了 |
2
James369 OP @murmur 你这么一说也对,机器学习即属于学术范畴也属于工程应用,所以不知道如何有效的去学,到底是要学数学,还是学各种框架呢
|
4
jmc891205 2020-12-21 10:22:22 +08:00
|
5
IgniteWhite 2020-12-21 10:30:46 +08:00
咱不讲空话,就看任何机器学习的第一课:高斯过程。里面有这几个数学上的东西,我本科数分线代常微分方程概率论都没具体讲过,学的时候是自己推了一段时间:
矩阵的求导 多变量高斯分布的协方差 知道高斯分布的 prior,怎么推贝叶斯的 posterior 概率分布 如何理解无限长的向量等同于函数 把这些搞通了,算是能理解高斯过程了。机器学习算是入门 |
6
IgniteWhite 2020-12-21 10:34:10 +08:00
资质认证就是本科考试吧,现在有讲概率机器学习的专业,一半会把这门课放到大三下大四上,大一会学我在五楼提到的那些数学基础课。不知道楼主基础怎么样
|
7
IgniteWhite 2020-12-21 10:40:40 +08:00
我业余学习的感受是,框架和数学也是分不开的,不管你用 tensorflow 还是 pytorch,你训练一个模型的本质是从 prior 求 posterior,用 marginal likelihood 等等做评估。这些概念会频繁出现在框架 package 的文档里,要是数学上没啥谱,连方法名都看不懂,别说参数的解释了
|
8
IgniteWhite 2020-12-21 10:53:04 +08:00 via iPhone
@jmc891205 看了一下,这本书真不错,把本科工程专业数学课和机器学习之间的空当基本填了
|
9
A3m0n 2020-12-21 11:09:38 +08:00
|
10
futou 2020-12-21 11:27:37 +08:00
如果指的是是深度学习,实际上能手推反向传播已经超过 80%宣称自己会深度学习的
如果指的是传统机器学习,能把贝叶斯公式写对也能超过 80%宣称自己会机器学习的 这个方向门槛太低,什么人都有,而且是结果导向,基础不值得深入学习。上上网课,把基本原理搞懂,就已经超过绝大多数人了。除非想引领潮流,那需要好好学。 非得想搞个资格认证,我记得 coursera 等都有听课证书。 |
11
chizuo 2020-12-21 11:28:43 +08:00
|
13
IgniteWhite 2020-12-21 11:40:58 +08:00 via iPhone
@chizuo 我去这都能被发现,我的确在学 bishop 组里 ramussen 开的课,讲义应该和 PRML 差不多
|
14
IgniteWhite 2020-12-21 11:54:00 +08:00 via iPhone
@chizuo hmm rasmussen 并不是 bishop 的学生,他们都在剑桥我以为有关系的……总之我在旁听一个本科生课程
|
15
necomancer 2020-12-22 11:39:59 +08:00
linear algebra
vector calculus tensor algebra measure theory and probability (modern probability theory & random processes) functional analysis 以及其必备基础知识。推荐 SUMS 系列,先找这些的书,然后看序,作者会说必备基础知识是什么。虽然不做具体研究的话不用太深入,但基础概念和一个很宏观的知识脉络必须有。 |
16
LYEHIZRF 2021-01-06 11:21:37 +08:00
考个研 考研数学过了就没什么问题
|
17
jiyuanz 2021-01-23 21:24:33 +08:00
@necomancer 另外加个 convex optimization
|
18
huzhikuizainali 2021-03-19 14:19:27 +08:00
@murmur #1 炼丹我知道。请问什么是“突破炼丹”?
|