작년부터 저는 기계 학습의 가장 중요한 논문을 이해하기 위해 다양한 과목을 공부했습니다.
S. Hochreiter & J. Schmidhuber. (1997).장기 단기 기억 . 신경 계산, 9 (8), 1735-1780.
그러나 수학적 배경이 없기 때문에 다음과 같은 주제를 배우기 시작했습니다.
- 계산법
- 다변량 미적분
- 수학적 분석
- 선형 대수
- 미분 방정식
- 실제 분석 (측정 이론)
- 초등 확률과 통계
- 수학적 통계
지금, 나는 그 과목들을 엄격히 연구했다고 말할 수는 없지만, 위의 과목들이 무엇을 다루고 싶어하는지 알고 있습니다. 문제는 내가 지금해야 할 일을 모른다는 것입니다. 머신 러닝은 많은 문제를 해결하기 위해 사용하는 많은 주제가 있으며,이를 올바르게 활용하는 방법을 모르겠습니다.
예를 들어, 강화 학습은 이제 수십만 명의 연구원들이 차원의 저주를 돌파하기 위해 연구를 수행하는 가장 인기있는 주제 중 하나입니다. 그러나 IT 회사에서 일할 미래의 직원으로서, 책상 위에서하는 일은 제가 기대하지 않은 일이었습니다.
현장에서 일하기 위해서는 내 전문 지식이 있어야합니까? 그렇다면 지금 어떤 종류의 과목을 공부해야합니까?
귀하의 편의를 위해 Markov 프로세스 및 Markov 의사 결정 프로세스에 대해 자세히 알고 싶습니다.
1
LSTM 논문의 모든 내용 을 이해했다면 ML에서 경력을 쌓을 수있는 "전제 조건"이 이미 어느 정도 있다고 할 수 있습니다. 물론, 당신은 당신의 방식으로 새로운 개념 (모두가하는)을 찾을 수 있지만, 당신은 (자신의 연구를 통해) 그것들을 다룰 수 있습니다. LSTM 논문을 이해한다면 Markov 프로세스와 MDP는 큰 문제가되지 않습니다.
—
nbro
관련 질문 머신 러닝을위한 수학 학습을 시작하려면 어떻게해야합니까? .
—
nbro