Что нужно знать из матана и комбинаторики для того, чтоб начать изучать BigData и машинное обучение?

Числа, сложение, умножение

Серъезно? А мне говорили, что для этого нужно знать основы из матана и комбинаторики хотя бы первых 2-х курсов

Графики функций ещё надо

import pandas as pd df_1 = pd.DataFrame({'A': [0, 1, 2], 'B': [3, 4, 5]}) print (df_1) A B 0 0 3 1 1 4 2 2 5

Почему такой странный вывод?

Разве не должно быть два столбика с значениями от 0 до 5?

слева, это вроде как нумерация строк

Ааа

точно

спасибо большое

Что нужно знать из матана и комбинаторики для того, чтоб начать изучать BigData и машинное обучение?

комбинаторика, линалг, тервер, теория оптимизации

это то, что учил я, чтобы вкатиться в МЛ

А какой уровень матана нужен для МЛ?

А конкретнее? Весь ж матан, например, впринципе невозможно выучить

ну я же не весь матан перечислил

имхо важнее всего линейка

очень много всего базируется на векторных пространствах

ну а за ней тервер

байесовские методы всякие, марковские цепи и прочее

I think the most important areas of math for machine learning are, in decreasing order: Linear algebra Probability and statistics Calculus (including multivariate calculus) Optimization After that, I think it falls off quickly. I’ve also found Information Theory helpful. You can find courses on all of these on Coursera or at most universities. While it’s hard to argue against knowing more math, I think the level of math needed to do machine learning effectively, or to get a PhD in machine learning, has decreased over the years. This is because machine learning has become more empirical (based on experiments) and less theoretical, especially with the rise of deep learning.

А если из матана знаешь только пределы, производные, ряды Тейлора, а из линала - только операции с матрицами и векторами, сложно будет вкатиться в Big Data и машинное обучение?

вот слова Andrew Ng

А если из матана знаешь только пределы, производные, ряды Тейлора, а из линала - только операции с матрицами и векторами, сложно будет вкатиться в Big Data и машинное обучение?

ну в Бигдате многого не надо, а вот в мл, чтобы понимать происходящее, придется копать глубже

особенно если углубляться в нейронные сети

I think the most important areas of math for machine learning are, in decreasing order: Linear algebra Probability and statistics Calculus (including multivariate calculus) Optimization After that, I think it falls off quickly. I’ve also found Information Theory helpful. You can find courses on all of these on Coursera or at most universities. While it’s hard to argue against knowing more math, I think the level of math needed to do machine learning effectively, or to get a PhD in machine learning, has decreased over the years. This is because machine learning has become more empirical (based on experiments) and less theoretical, especially with the rise of deep learning.

Короч, минимум 2 курса матдисциплин универа надо

Короч, минимум 2 курса матдисциплин универа надо

крайне желательно

ну ты можешь использовать МЛ модели и с текущими знаниями, но это скорее всего будет на уровне повторения, а не понимания

т. е. будет не понятно куда двигаться и копать, чтопы улучшить качество модели в конкретном приложении

а матан, значит, не так уж и необходим?

ну из матана там дифференцирование интегрирование точно нужно

остальное вроде не часто встречается

ура

Короч, минимум 2 курса матдисциплин универа надо

Ты главное начни, никто не отменял обучение в процессе

Which projects you are working for? Can I work with you for any project to learn code?

Нашел слайд, где говорится, что способы обучения в компьютерных системах делятся на: Дедуктивное, или аналитическое, обучение (экспертные системы). Имеются знания, сформулированные экспертом и как-то формализованные. Программа выводит из этих правил конкретные факты иновые правила. Индуктивное обучение (статистическое обучение). На основе эмпирических данных программа строит общее правило. Эмпирические данные могут быть получены самой программой в предыдущие сеансы ее работы или просто предъявлены ей. Комбинированное обучение. Подскажите пожалуйста какие виды и алгоритмы комбинированного обучения бывают?

Нашел слайд, где говорится, что способы обучения в компьютерных системах делятся на: Дедуктивное, или аналитическое, обучение (экспертные системы). Имеются знания, сформулированные экспертом и как-то формализованные. Программа выводит из этих правил конкретные факты иновые правила. Индуктивное обучение (статистическое обучение). На основе эмпирических данных программа строит общее правило. Эмпирические данные могут быть получены самой программой в предыдущие сеансы ее работы или просто предъявлены ей. Комбинированное обучение. Подскажите пожалуйста какие виды и алгоритмы комбинированного обучения бывают?

проще говоря, без учителя, с учителем гуглить semi-supervised learning

Обновился список https://ru.stackoverflow.com/a/683632/1084 , добавлено: - Шамин Р.В. Лекции по искусственному интеллекту и машинному обучению - Р.В. Шамин. Математический анализ - лекции

ещё добавил курс Р.В. Шамина «Машинное обучение и искусственный интеллект в математике и приложениях»

Привет. Возможно кто-то знает, где можно взять историю (в табличном представлении? ) денежной эмиссии РФ? Может есть на сайте ЦБР, но с пол тычка не нашел

Здравствуйте! подскажите плз годные книги по машинному обучению.

Здравствуйте! подскажите плз годные книги по машинному обучению.

Посмотри на 3 сообщения выше

Ну чего вы в глаза долбитесь то?

За книжки спасибо

Здравствуйте! подскажите плз годные книги по машинному обучению.

https://ru.stackoverflow.com/a/683632/1084

Тут есть кто-нибудь, кто занимается machine learning в Нижнем Новгороде?

Добрый вечер, есть несколько не задействованных серверов с gpu на базе azure с K80/M60. Нужно кому-нибудь? Могу предоставить тестдрайв

Здравствуйте! подскажите плз годные книги по машинному обучению.

Что может быть годнее книги по общей алгебре?

Что может быть годнее книги по общей алгебре?

+)

Что может быть годнее книги по общей алгебре?

книга по теории категорий

книга по теории категорий

два моноида этому эндофунктору

книга по теории категорий

abstract nonsence

А есть машинное обучение для чайников какое-нибудь мануал?

У меня есть входные данные, я могу на них нейронную сеть обучить.

Но только я не знаю вот это всё.

в малый ШАД посмотри

а что сейчас модно для классификации сообщений из чата по нескольким "эмоциональным" категориям (например, "ААА все сломалось", "вася мудак", "черт, я проиграл", все остальное) ? обучающая выборка небольшая, пара сотен примеров на категорию

ударение на слово "модно" :) так-то я подозреваю, что наибайеса с головой хватит

а что сейчас модно для классификации сообщений из чата по нескольким "эмоциональным" категориям (например, "ААА все сломалось", "вася мудак", "черт, я проиграл", все остальное) ? обучающая выборка небольшая, пара сотен примеров на категорию

можно попробовать взять эмбеддинги из какого doc2vec и дообучить на нужных эмоциональных категориях

>обучающая выборка небольшая, пара сотен примеров на категорию Не проще взять готовое решение? На 200 примерах получится деревянное решение