作為機(jī)器學(xué)習(xí)研究員，您在機(jī)器學(xué)習(xí)中理解的難度仍然很大嗎？

我認(rèn)為自己是一名（目前）無薪的ML研究員，已經(jīng)研究了不到一年。雖然因為在我生命的這一點之前，我還沒有注意到數(shù)學(xué)，科學(xué)和計算 - 除了我需要知道的東西 - 我現(xiàn)在發(fā)現(xiàn)我有一種新的動力去學(xué)習(xí)更多 - 在很大程度上受到ML的啟發(fā)?？山M合性是我仍然在試圖弄清楚的過程中（特別是我個人認(rèn)為它），因為雖然我被告知（并且從概念上理解）這個主題是“像俄羅斯娃娃一樣嵌套”（見OCDevel）有度這樣的理解

我（大致）理解ML所處的概念層面框架?？梢栽赟potify上找到的30部分系列機(jī)器學(xué)習(xí)指南對我進(jìn)行了精辟而簡潔的解釋。從那里我被推薦開始Andrew Ng Coursera課程。我只聽了他的音頻格式講座，但我發(fā)現(xiàn)很難直觀地掌握他的講座細(xì)節(jié)而沒有視覺伴奏，所以下次我嘗試他的課程時我需要睜開眼睛。

在更深層次上，我必須警惕自己進(jìn)入互聯(lián)網(wǎng)的公海。即使在youtube上也有很多視頻可以提供建議，學(xué)費和意見。說還有很多好的系列要訂閱。我有一段時間在Spotify上聽一些Data Skeptic播客系列。這些非常好，我可以徹底推薦它們。他們深入了解影響和受ML影響的許多數(shù)據(jù)科學(xué)，數(shù)學(xué)和科學(xué)主題，并且是對更大主題的一個偉大的音頻介紹 - 例如P＆NP（例如）

然而，因為我對科學(xué)和數(shù)學(xué)的基本把握并不是很好，我發(fā)現(xiàn)吸收一些科學(xué)已經(jīng)成為一種逐步建立我的知識基礎(chǔ)的信心的方式，將ML視為一項更為認(rèn)真的努力。我對力，質(zhì)量和加速度之間的關(guān)系知之甚少，這些關(guān)系決定了我們對時空，pi，黑洞，全息圖，時間的方向和維度以及我們?nèi)绾胃兄蚍诸愳氐睦斫?。雖然我也很高興我現(xiàn)在對我不知道的事情了解得更多。

然而，我仍然沒有完全理解我的知識和理解的參數(shù)應(yīng)該在哪里。特別是計算神經(jīng)科學(xué)在不同的時刻被標(biāo)記為可能值得更多探索的領(lǐng)域，盡管連接所有這些點需要時間，過程，紀(jì)律和應(yīng)用研究。拋出像Python這樣的編碼語言 - 例如 - 你可以看到相對于潛在主題過載的時間如何突然變成不必要的壓力。因此，最近幾天我暫時放棄了編碼并返回機(jī)器學(xué)習(xí)指南作為一種檢查方式，因為這是我對該領(lǐng)域的起始基準(zhǔn)介紹。

重新檢查一下（到目前為止）很有趣。因為現(xiàn)在有些概念比較熟悉了。但還很遙遠(yuǎn)。因此，與一年前相比，我認(rèn)為現(xiàn)在有了像未來學(xué)這樣的“事物”，但我并沒有給出任何預(yù)期奇點收斂的指示性估計。我意識到ML超參數(shù)設(shè)置指令將在我的舒適區(qū)之外。我會理解，在討論代理，狀態(tài)，模型和環(huán)境的背景下，我們將談?wù)搹?qiáng)化學(xué)習(xí)（或馬爾可夫鏈），但如果你告訴我在Python中編寫一些能夠?qū)崿F(xiàn)這種功能的東西，我仍然可以區(qū)分列表，字符串和變量。

我得到ML目前的行業(yè)投資主要是在監(jiān)督學(xué)習(xí)領(lǐng)域，但我不能列出超過幾個與該功能相關(guān)的算法。盡管我從概念上知道有數(shù)百種算法可供選擇。我認(rèn)為有監(jiān)督的學(xué)習(xí)可以區(qū)別于無監(jiān)督學(xué)習(xí)，但如果你在我面前放置兩個高效的算法運行計算機(jī)，那么說服我在測試數(shù)據(jù)集上生成標(biāo)簽的那個實際上是標(biāo)簽可能相對容易生成另一個的訓(xùn)練數(shù)據(jù)。不太圖靈但仍然如此。

如果我必須列出如下，那么我會這樣安排。這個列表只反映了我目前的學(xué)習(xí)世界，我只按字母順序（不是優(yōu)先級）來嘗試更好地回答這個問題。所有數(shù)字在這里以0到9的比例引用 - 零很容易，9是最大難度。分配的數(shù)字是直覺上任意的，完全主觀的，并且在其表述中沒有假設(shè)科學(xué)或數(shù)學(xué)基礎(chǔ)。它們也可能會發(fā)生變化。在分配號碼時考慮的因素可能包括也可能不包括當(dāng)前的知識水平，獲得必要或目標(biāo)知識水平的估計時間以及獲得必要或目標(biāo)知識水平所需的可用時間：

算法：8

CALCULUS :?

計算和人工智能的歷史：3

行業(yè)：2

線性代數(shù)：4

邏輯：5

OCTAVE :?

哲學(xué)：3

物理學(xué)：7

PYTHON：5

統(tǒng)計：6

TENSORFLOW：3

在實踐層面上，我需要學(xué)習(xí)呼吸（隱喻）并調(diào)整我的人類存在的參數(shù)，以尋求更好地理解ML。我目前更喜歡將音頻作為一種可吸收的格式來學(xué)習(xí)，盡管越來越明顯的是僅使用音頻在其實用性方面變得有限。因此，我所擁有的一個廣泛的目標(biāo)是增加我使用我的視覺功能所花費的學(xué)習(xí)時間，無論是編碼，數(shù)學(xué)還是視覺設(shè)計功能。如果我找到一個能夠支付我使用時間的雇主，那將是有利的（希望對我和他們而言）。

寶寶起名 起名