прикладная математика для машинного обучения
Сейчас занимаюсь бекенд-разработкой (на С++, немного Python). В целом нравится. Сейчас Появилась возможность заняться машинным обучением, в том числе пойти на второе высшее - прикладную математику. Как считаете нужно ли настолько глубоко погружаться в математику, чтобы быть хорошим специалистом в ML ? Или достаточно базовых знаний математического анализа и линейной алгебры?
Ответы (1 шт):
Вот что на ваш "совершенно уникальный" вопрос отвечают люди, которые понимают что к чему.
https://towardsdatascience.com/the-roadmap-of-mathematics-for-deep-learning-357b3db8569b
https://habr.com/ru/company/skillbox/blog/663508/
http://ai-news.ru/2018/12/vazhnye_aspekty_matematiki_v_nauke_o_dannyh_chto_i_pochemu.html
https://www.datasciencecentral.com/tutorial-the-math-of-machine-learning-berkeley-university/
А вообще, если вы начинаете торговаться "а что стоит учить, а что нет, а может моих базовых знаний хватит что-бы не напрягаться" - то думаю, вам не стоит соваться в ML, ибо там учить новое придется еще чаще чем в программировании.
Ну и неумение самостоятельно найти ответ на этот 100000 раз уже повторенный вопрос - тоже весьма показателен для кандидата в специалисты по ML.