¿Necesitas entender la prueba de matemáticas para usar el aprendizaje automático?

Answer 1

No la “prueba matemática” per se, sino el modelo matemático subyacente.

Es posible que pueda replicar ciertos modelos recientes en conjuntos de datos populares sin ningún tipo de matemáticas. Simplemente hazlo como un proyecto de bricolaje, el tipo de plug-and-play .

Sin embargo, debe ser un maestro en casi todos los siguientes puntos para lograr incluso la más mínima novedad:

Cálculo multivariante, teoría de la probabilidad y álgebra lineal. Quiero ofrecerle un ejemplo práctico de matemática aplicada en el aprendizaje automático:

Tomemos esta superficie de pérdida, por ejemplo. Debemos realizar lo que se llama ‘Minimización del riesgo empírico’. Esta es una superficie de pérdida 3-D altamente regular que se debe minimizar al tratar de enseñarle a su modelo cómo aprender los datos que usted alimenta. Las leyendas se refieren a varios algoritmos de optimización y todos ellos son convenientes para diferentes características de superficie de pérdida. Por ejemplo, AdaGrad puede aprender características raras de los datos más rápido; Por lo tanto, es capaz de navegar a través de ‘valles’ más rápido. Momentum SGD es capaz de prevenir oscilaciones, etc.

Aquí está el factor decisivo: esto es solo una superficie de pérdida 3-D. Los modelos más modernos tienen millones de superficies de pérdida dimensional. Pudiste visualizar los datos de forma trivial y hacer comentarios elementales sobre la geometría en 3-D. No podrá hacer esto sin los antecedentes matemáticos adecuados, probablemente un Ph.D en Matemáticas Aplicadas o varios años de experiencia en la industria. Esta pérdida de superficie se convertiría en una especie de purgatorio para ti.

TL; DR: Para lograr la novedad, debes hacerlo. Para replicar o modificar ligeramente para adaptarse a diferentes necesidades, aún se requiere un poco.

Answer 2

¿Se puede cocinar un plato sin saber su receta? De manera similar, realmente no puede aplicar algoritmos de aprendizaje automático sin entender las matemáticas detrás de él. ¿Qué modelo va a dónde? ¿Qué modelo sería mejor que los demás? Simplemente hay demasiadas variables en estos algoritmos que necesita ajustar para obtener los mejores resultados. Estudiar las matemáticas subyacentes te ayuda a entender qué variable modificar y por qué.

Answer 3

Ciertamente es útil saber las matemáticas cuando las cosas salen mal o un proyecto tiene requisitos únicos. Las pruebas probablemente están más allá de lo que necesitan los profesionales (solo los resultados de las pruebas, no cómo probarlas). Para I + D en ciencia de datos y aprendizaje automático, sí, es fundamental comprender cómo escribir pruebas. He tenido que hacerlo en la industria.

Answer 4

Absolutamente sí. Como mínimo, debe conocer las estadísticas para validar que el algoritmo de aprendizaje automático realmente funciona como se esperaba.

Si no sabes las matemáticas detrás del aprendizaje automático, estás dando vueltas en la oscuridad. Sí, es posible que llegue a algún lugar, pero no lo hará tan rápido, y las posibilidades de llegar a una solución deficiente son mucho mayores.

Answer 5

Por desgracia sí. El problema no son las matemáticas. El problema eres tú. En el aprendizaje automático, debe estar a cargo y hacer que la máquina trabaje para usted. Debe comprender lo que quiere que la máquina haga por usted y comprender cómo utilizará la máquina para lograr el resultado deseado. Lo que significa que tienes que entender las matemáticas para manipular la prueba en matemáticas para que funcione para ti. Porque las circunstancias y las necesidades cambian y tienes que cambiar con tus matemáticas y pruebas. Solo cuando entiendes las pruebas matemáticas puedes manipularlas, moverlas a través del signo igual, dividir, multiplicar, sumar, verificar diferencias, hacer una raíz cuadrada en un término, elevarla a un cierto poder o mapa o minimizar, definir o trazar. Por supuesto, puede implementar algoritmos de aprendizaje automático siguiendo las instrucciones que otra persona ha dado para hacer un proyecto específico sin entender las pruebas de matemáticas.