Как разобраться в области машинного обучения?

Сколько времени ни пытаюсь войти в область машинного обучения, все чаще сталкиваюсь с тем, что не знаю с чего именно начать. Начинал читать несколько книг, в начале одной - объяснения теории графов и элементов теории энтропии, в другой книге даются краткие данные по теории вероятности и математической статистики, но проблема в том что обе книги дают этот материал (теории энтропии, мат. статистика и т.д.) очень кратко, и трудно понять суть материала и из чего он следует. Из прочитанного я понял, что точно нужно знать теорию вероятности и мат. статистику, но сколько же все-таки реально нужно изучить теории, чтобы просто обучить нейронную сеть распознавать текст и понять что я сделал (а не просто скопипастить пример). Так вот вопрос - может ли мне кто-нибудь из этой области объяснить, что именно нужно изучать и в какую сторону копать? То есть действительно ли мне нужно хорошо знать теорию графов, теорию энтропии, мат. статистику (я понял без нее никак), методы оптимизации и горы теории, которые приводят в предисловии этих книг? Как это реально происходит?
  • Вопрос задан
  • 549 просмотров
Пригласить эксперта
Ответы на вопрос 4
freeExec
@freeExec
Участник OpenStreetMap
Чтобы понять как работает нейронка распознающая символы не нужна не теория энтропии, ни математическая статистика. Достаточно разобрать как работает код этой сети. Ничего сложнее умножения там нет.
Для начала погружения можно взять тот же playground.tensorflow.org и его код на гитхабе.
Ответ написан
sswwssww
@sswwssww
Есть книжка "Грокаем глубокое обучение". В свое время она помогла мне понять суть нейронных сетей.
Ответ написан
xmoonlight
@xmoonlight Куратор тега IT-образование
https://sitecoder.blogspot.com
Новому нужно всегда обучаться на конкретной задаче.

Например: разработать ИИ-бота для игры в "крестики-нолики".
После - начинаем анализировать и искать решение, исходя из текущих знаний и опыта.
Затем, дополняем свои предположения по решению информацией из интернета.
Снова анализируем, ищем, читаем.
Рано или поздно, доходим до понятия искусственного нейрона и читаем/смотрим: для чего он нужен и т.д.

Когда будет понятно: сколько нейронов нужно соединить, как именно и главное: "ПОЧЕМУ?!", - задача будет решена на 50%.
Затем - нужно понять: как сделать обучение/запоминание и обучить.
Что-то исправить (ошибки - есть в 100% случаев у всех!).

И, в конце всего труда, получить рабочего ИИ-бота с НС и с полным решением поставленной задачи.
Ответ написан
@Dmtm
Android
нейросеть сводится к пересчету веса (значимости) каждого нейрона,
все интересное - в алгоритмах пересчета весов,
в основе это матанализ и теория вероятностей,
гуглить для начала градиентный спуск, распространенный но не единственный,
упрощенно - под конкретную задачу ищем метод который балансирует между скоростью обучения и возвратом (сбросом весов) при коррекции ошибок
Ответ написан
Ваш ответ на вопрос

Войдите, чтобы написать ответ

Войти через центр авторизации
Похожие вопросы
FunCorp Москва
от 200 000 ₽
MillionAgents Москва
от 90 000 до 120 000 ₽
ITSumma Иркутск
от 45 000 до 70 000 ₽