kot_mapku3
@kot_mapku3

Какой уровень математики необходим для работы с машинным обучением?

Стоит вопрос выбора ВУЗа. Предварительно я посмотрел учебные планы, отзывы, рейтинги и, конечно, проходные баллы. Проблема в том, что раньше я хотел иметь в универе минимум математики, но со временем понял, что без неё в ML никуда. Так вот есть программная инженерия, а есть, например, прикладная математика и информатика. Стоит ли 4 года учить почти всё время математику или всё же для ML хватит и программной инженерии?

P.S. Ещё проблема в том, что я закончил колледж и программа обучения очень похожа на программную инженерию. Т.е. как бы стоит ли второй раз..?

P.P.S. Мне очень нравится Apple и я хотел бы туда попасть. Есть ли какая-то корреляция между знанием математики и трудоустройством в эту компанию?
  • Вопрос задан
  • 1773 просмотра
Решения вопроса 3
@jazzus
Как почти профессиональный программист я вам отвечу:
1. Математика программисту необходима
2. Без математики программист не сможет мыслить математически, создавать сложные взаимосвязные формулы, не только видеть числа, но и смотреть, что ЗА ними. Без математики вы станете еще одним программистом, не знающим математику.. Оно вам надо?
3. Хотите быть программистом, учитесь считать.
Вот такие 4 пункта я вам предложу, но выбор за вами.
Ответ написан
@ivodopyanov
NLP, python, numpy, tensorflow
На поверхности программирования математика не очень нужна. Но как только перед вами встает вопрос "А почему мой код так медленно работает?" - вот тут-то придется погружаться в индексы, хэш-таблицы, вероятности, пределы, комбинаторику, матрицы, графы и так далее.

По этой причине в топовых ИТ-компаниях при собеседовании на работу кандидатов как следует гоняют по олимпиадным задачкам, где много математики. Классический совет - хотите попасть в такую компанию - решайте задачки с топкодера. https://twitter.com/mxcl/status/608682016205344768
Ответ написан
Комментировать
@choupa
Архитектор (обычный, который строит)
Парадокс состоит в том, что может быть сами конкретно математические дисциплины, например ТФКП, не очень-то важны для программиста как таковые. Но правда жизни в том, что тот, кто был ими как следует выеб..н в вузе — успешные программисты (именно программисты, а не кодеры), аналитики и т.п. Я считаю, что фундаментальный математический бэкграунд, посеянный где-то глубоко в голове, сильно помогает решать самые обширные задачи, в том числе и в машинном обучении, причём вы этого можете даже и не осознавать.
Ответ написан
Пригласить эксперта
Ваш ответ на вопрос

Войдите, чтобы написать ответ

Похожие вопросы