Необходимо ли быть магистром математики, чтобы работать в ML? Вопрос подписчика
Вопрос планки. Если её понизить, то в целом и без сильных знаний в математике, и без какого-либо развития можно обойтись.
Но для серьёзного ML research однозначно нужен базовый институтский курс. Причём не столько магистратура, сколько бакалавриат.Оффтоп — если вы ещё в институте, не игнорируйте какие-либо разделы математики полностью. Они могут пригодятся вам дальше, а будет поздно.
Начнём с того, что погружение в математику поможет не выполнять бестолковую работу.
Пример. Человек пытается с помощью логарифмирования признаков добавить что-то качеству ансамблей деревьев. Но он не понимает, что деревья работают на основе отсечений по пороговым значениям признака. И т.к. логарифм это монотонное преобразование, ничего он вам as is не добавит. Пример специально максимально простой, можем в комментариях собрать и более требовательные к математике. Все же понять, как работают деревья, можно и из документации, а логарифмам учат и в школе.
Чем дальше выходим за рамки банального перебора различных действий с данными и моделью, тем сильнее нужны математические знания. Если вы хотите разрабатывать собственные алгоритмы, тут даже программы топового вуза может не хватить (как минимум, не каждого топового вуза). В течение жизни нужно быть готовым постоянно открывать для себя новые области.
Конечно, можно сделать карьеру и без глубокого погружения в математические нюансы. Сейчас, например, много инженерного research, когда мы собираем много слоёв в нейросетях и применяем на понятных задачах. Но хорошая математическая база всегда будет хорошей инвестицией в long term.
#вопрос_подписчика
Вопрос планки. Если её понизить, то в целом и без сильных знаний в математике, и без какого-либо развития можно обойтись.
Но для серьёзного ML research однозначно нужен базовый институтский курс. Причём не столько магистратура, сколько бакалавриат.
Пример. Человек пытается с помощью логарифмирования признаков добавить что-то качеству ансамблей деревьев. Но он не понимает, что деревья работают на основе отсечений по пороговым значениям признака. И т.к. логарифм это монотонное преобразование, ничего он вам as is не добавит. Пример специально максимально простой, можем в комментариях собрать и более требовательные к математике. Все же понять, как работают деревья, можно и из документации, а логарифмам учат и в школе.
Чем дальше выходим за рамки банального перебора различных действий с данными и моделью, тем сильнее нужны математические знания. Если вы хотите разрабатывать собственные алгоритмы, тут даже программы топового вуза может не хватить (как минимум, не каждого топового вуза). В течение жизни нужно быть готовым постоянно открывать для себя новые области.
Конечно, можно сделать карьеру и без глубокого погружения в математические нюансы. Сейчас, например, много инженерного research, когда мы собираем много слоёв в нейросетях и применяем на понятных задачах. Но хорошая математическая база всегда будет хорошей инвестицией в long term.
#вопрос_подписчика