Seit letztem Jahr habe ich verschiedene Fächer studiert, um einige der wichtigsten Thesen des maschinellen Lernens wie zu verstehen
S. Hochreiter & J. Schmidhuber. (1997). Langes Kurzzeitgedächtnis . Neural Computation, 9 (8), 1735 & ndash; 1780.
Aufgrund der Tatsache, dass ich keinen mathematischen Hintergrund habe, fing ich an, Themen wie zu lernen
- Infinitesimalrechnung
- Multivariate Berechnung
- Mathematische Analyse
- Lineare Algebra
- Differentialgleichung
- Echte Analyse (Maßtheorie)
- Elementare Wahrscheinlichkeit und Statistik
- Mathematische Statistik
Im Moment kann ich nicht sagen, dass ich diese Fächer rigoros studiert habe, aber ich weiß, womit sich die oben genannten Fächer befassen wollen. Die Sache ist, dass ich nicht weiß, was ich zu diesem Zeitpunkt tun muss. Es gibt viele Themen, mit denen maschinelles Lernen viele Probleme löst, und ich weiß nicht, wie ich sie richtig einsetzen soll.
Zum Beispiel ist das verstärkte Lernen heute eines der beliebtesten Themen, an denen Hunderttausende von Forschern derzeit forschen, um den Fluch der Dimensionalität zu durchbrechen. Aber als zukünftiger Mitarbeiter, der in IT-Unternehmen arbeiten wird, würde ich die Aufgabe auf dem Schreibtisch nicht erwarten.
Ist es wichtig, mein eigenes Fachwissen zu haben, um in den Bereichen zu arbeiten? Wenn ja, welche Fächer muss ich gerade studieren?
Der Einfachheit halber möchte ich mehr über den Markov-Prozess und den Markov-Entscheidungsprozess erfahren.