New issue
Have a question about this project? Sign up for a free GitHub account to open an issue and contact its maintainers and the community.
By clicking “Sign up for GitHub”, you agree to our terms of service and privacy statement. We’ll occasionally send you account related emails.
Already on GitHub? Sign in to your account
我尝试翻译了一篇文章,如果可以能否提一些意见? #68
Comments
Sign up for free
to join this conversation on GitHub.
Already have an account?
Sign in to comment
What If I Am Not Good At Mathematics(我要是不善于数学怎么办)
原文链接(https://machinelearningmastery.com/what-if-im-not-good-at-mathematics/)
可以主观的拍砖,但是请指出具体的问题——具体哪句话。
可以任意的下结论,但是请给出改进意见——请给出建议的译文。
没有建设性意见的,一律无视。
实际项目的参与者可能常常羡慕那些数学好的。
因为他们觉得数学家比他们聪明,他们无法在所在领域做得更好,是因为他们不懂数学。
我亲眼看到了这一点,人们还没开始就已经结束。
在这篇文章中,我想告诉你,即便你没有很强的数学背景,也能在机器学习上获得很大的进步。
边做边学——用以致学
我在学习编程之前,没学过布尔逻辑
然后我就开始编程了,估计你也这样
我依靠实践,不断的试错。这的确很慢,我写了很多烂代码,但是因为我能看到过程和进步,我感到特别有趣。
当我写大一点的程序的时候,我开始啃工具书,因为这能让我写的程序更好一点。我寻找一些实用工具和理论,他们可以克服我的经验不足的瓶颈。
这是一种强大的学习工具。 如果我要先学习布尔逻辑或像多态这样的概念才开始编程,我估计不会有热情去开始。
危险区域
当我的程序不工作时。 我必须撸起袖子,去真正的理解发生了什么。
当然,你可以一直这样copy代码而不用真的理解它,您只需要将代码块理解为执行您需要完成的事情的功能单元。 将它们粘合在一起,你就有了一个解决你需要解决的问题的程序。[错误的,不要这么做]
这种方法能让你学的很快,但是在构建一个产品系统的时候将非常可怕。这一点非常重要!通常说的“危险区域”指的是这种通过实践学习的方式,构建的系统竟然还能运行,但是作者却不清楚它背后的是怎么工作的,以及不清楚到底会有什么样的结果。
这是个非常现实的问题,例如:看看那种能解决一些商业问题的小系统或者小网页,你就知道了。
在我看来,原型就像一个泥球,是一堆CTRL CV 大法堆在一起的代码,大概勾勒出解决方案的意思。
一个产品级(好用)的系统,他们的结果必须是明确的(你知道输入什么一定会输出什么),别给我来什么惊喜。你的团队在复查代码的时候,随便调出一行代码来,都能明白这是在干什么,就算这么弄一天,也觉得非常顺畅。这才是一个产品级的系统。
工程师
你可以通过直接实战来开始学习人工智能,下面有三种方法供你选择
这也是从初级机器学习技术人员通向中级机器学习技术人员的路径,用到哪块数学的时候再学,JUST-IN-TIME,随用随学,用以至学!
先定义个小问题,有条不紊的解决他们,并且把结果和你学到的东西放到你的博客上,这样你会获得一些动力,继续做下去。
也许你想更多的了解一些更有趣的算法,例如改变一些特定的参数,或者针对特别的算法让结果变得更好。
这将驱使你去理解这个技术背后是如何工作,以及做了什么。你可以画一些数据流图,但是最终还是内化为矩阵的形式。因为矩阵是一种清晰、无歧义的最佳的工具,这种工具可以描述正在发生什么事情。
你可以继续这种经验主义方法,我称之为技术人员之路
您可以凭经验直觉,了解使用哪些方法以及如何使用它们。 您也可以学习代数,以便能读懂算法并将其转换为代码。
这是一条路径,技术人员可以创建工具、插件甚至是使用机器学习的操作系统。
技术人员与理论家不同,理论家可以:
Internalize existing methods.(内化现有的方法)
Propose extensions to existing methods.(扩展现有的方法)
Devise entirely new methods.(发明一种全新的方法)
理论家拥有在抽象中证明方法的能力,但是他们在将理论转化成原型到代码的效率并不高。
你也可以学一些数学,如果你喜欢的话,随用随学。关注你自己的长处,并且诚实的面对自己的短处。
之后,数学才是关键
如果你需要随用随学的学习线性代数,那为什么不在一开始就完整全面深入的学习线性代数呢?
这当然是一种方法,也许是最有效的方法,这就是为什么大学都这么教。 但它不是你唯一的选择。
就像从逻辑和抽象概念开始学编程一样,内化(完全学懂)机器学习理论,可能不是最好的入门方法。
在上文中,您了解到工程师可以使用跟理论家不同的手段来学习。
这可能是一个有争议的帖子,发表评论并让我知道你的想法
The text was updated successfully, but these errors were encountered: