这是一个创建于 835 天前的主题，其中的信息可能已经有所发展或是发生改变。
不推公式可以简单上手吗，比如可以把库拿过来就用？
然后，有无这类的上手书推荐。
第 1 条附言 · 2022-08-11 13:43:09 +08:00
 |
1
LavaC 2022-08-11 11:11:06 +08:00
可以试试 coding train 的 ml5.js 入门视频
|
 |
2
Jooooooooo 2022-08-11 11:13:25 +08:00
这和 "编程一定要学网络技术, 操作系统之类的内容吗?" 是一样的问题.
我看来答案是 要学. 机器学习里一门相当重要的课是矩阵论, 先把这个学好吧. |
 |
3
hlpureboy 2022-08-11 11:16:00 +08:00
如果只是玩玩的话，大概知道怎么回事就行惹，如果想明白具体的损失函数是怎么推出来的，那就得具体学学数学。
|
|
5
hlpureboy 2022-08-11 11:24:39 +08:00
@ligiggy 你要具体做什么呀，定义好问题，找到 match 的领域，看看综述啥的，然后找一篇相关顶会论文跟着复现一下，在结合自己的具体问题调整就行惹。如果像是目标检测、图像分类这种问题很多人都讲解过了，跟着看视频就 ok 了
|
 |
6
jarence 2022-08-11 11:47:42 +08:00
不需要公式推导的情况：要处理的问题有了非常成熟的解决方案以及大量有效的数据。现有很多 autoML 的框架，比如 AutoGluon ，只要数据够多且有效，那么基本没啥问题。
需要公式推导的情况：没有成熟的解决方案，或者需要做一些定制，又或者遇到了一些奇奇怪怪的问题。 |
 |
7
czfy 2022-08-11 11:51:20 +08:00
推公式是什么意思？
|
 |
10
albert0yyyy 2022-08-11 12:03:07 +08:00
不用吧，pytorch 框架，
建个模型类，加载数据，前向传播函数调用，反向传播函数调用，看看准确度和损失函数输出 当然会推肯定是锦上添花的 |
 |
11
ligiggy OP @albert0yyyy 有书籍或者教程推荐吗？想玩玩
|
|
12
albert0yyyy 2022-08-11 12:04:53 +08:00
@albert0yyyy 要推的公式涉及到的也不是很多应该，矩阵运算，导数偏导数求导。好像就没了
|
 |
13
kenvix 2022-08-11 12:06:42 +08:00
初学推啥公式啊，又不是专门研究机器学习本身的。你用 java 还要把 jdk 代码全翻一遍不成？
|
|
14
albert0yyyy 2022-08-11 12:09:55 +08:00  1
|
 |
15
pluvet 2022-08-11 12:15:12 +08:00
只是用用的话不必。但是这样肯定找不到工作。
|
 |
16
jmc891205 2022-08-11 12:45:14 +08:00
Deep Learning for Coders with Fastai and PyTorch
|
|
17
jmc891205 2022-08-11 12:45:35 +08:00
|
 |
18
nightwitch 2022-08-11 13:02:05 +08:00 via Android
直接拿来用就叫用机器学习，不叫学习机器学习。。
|
 |
19
DefoliationM 2022-08-11 13:04:39 +08:00
只是用的话无所谓, 要自己写的话主要数学
|
|
20
ligiggy OP @albert0yyyy 找到资料了，感谢！
|
 |
21
MrZhaoyx 2022-08-11 14:18:23 +08:00
推荐李航老师的《统计学习方法》
|
 |
22
xiang578 2022-08-11 15:07:16 +08:00
b 站上也有一个系列视频，手把手教你推公式：白板机器学习。
|
 |
24
tfdetang 2022-08-11 16:24:57 +08:00
机器学习从业者来回答这个问题: 一般只有要准备面试的时候才会去推公式
当然我比较水不能代表所有从业者。 其实大部分时候看论文什么的大概能看出是怎么回事，也能看懂就行了，关键是思路，很少真的去推公式 |
 |
25
dabaisuv 2022-08-11 16:38:30 +08:00
谷歌的机器学习：
aHR0cHM6Ly9kZXZlbG9wZXJzLmdvb2dsZS5jbi9tYWNoaW5lLWxlYXJuaW5nL2NyYXNoLWNvdXJzZS9tbC1pbnRybw== |
 |
26
ipwx 2022-08-11 17:11:56 +08:00 1
分情况。
* 如果是用树算法处理工业数据，一般不需要推公式，调参就行。 * 如果用神经网络处理图片数据，一部分工作者不需要推公式，用 PyTorch 搞就行。 * 如果用神经网络处理自然语言，推公式的比重会增大。 * 如果处理的是无监督学习，或者顶会不怎么覆盖的新领域上做深度学习，那就得会大量原理性的东西，做各种 regularization （ loss / 结构），不会公式基本寸步难行。 |
|
29
ipwx 2022-08-11 17:24:44 +08:00
@ligiggy 其实现在 DL 比较成熟的也就 CV/NLP 。
大量工业数据没那么规整的，各种不同量纲、不同单位、不同性质的 heterogeneous data ，一般用树算法更舒服。经典的比如 RandomForest ，新锐的比如 GBDT 。除了这些树算法，还有就是 Bagging / Boosting 算法的思想得了解一下。 |
|
30
ipwx 2022-08-11 17:25:44 +08:00
@ligiggy 我上面举的这四个例子都不怎么需要推公式，工业数据上又比较万金油，投入产出比 DL 高。当然它们基本没法处理图片 /NLP ，CV/NLP 还是神经网络得天下。
|
 |
33
xz410236056 2022-08-11 17:33:41 +08:00
|
 |
34
rpman 2022-08-11 19:52:46 +08:00 via iPhone
要搭神经网络总得会推公式，不然搭出来一坨
|
 |
35
pkupyx 2022-08-12 01:08:36 +08:00
一定要。未必背下来，但是至少知道分几块步骤，并且能看懂。
|
Select Language