Я скорее программист, а в прошлом физик. Если хотите мою узнать мою базу, то это обычные курсы высшей математику (ну это давно было), теория групп и теория информации в качества хобби.
Ну серьезно, что мне помешает понять модель, если я сначала посмотрю реализацию в коде, а затем пойду непонятые аспекты разбирать? Конечно, такой поиск часто будет приводить к переваривают целых глав из вашего же списка литературы. Но обратите внимание, моя цель это не прочитать 10 книг от корки до корки, а досконально разобраться в том, что реально нужно для этой понимания данной модели например.
Разве у вас не возникало желание сравнить описание модели по разным учебникам или погрузиться на несколько уровней глубже в математику чтобы понять какую-то штуку? Не существует же конкретного порядка в котором "нужно" изучать тему. Не нужно стесняться прыгать от источнику к источнику информации при необходимости. Поверьте, посмотреть набор статей, которые полезны именно вам именно сейчас, будет намного продуктивнее, чем весь матан повторять.
Автор по сути рекомендует подход обучения "с основ", но я бы советовал учится иначе, то есть "с конца". Сразу берите учебник по питону/датасаэнсу и в нем разбирайтесь. Если где-то хочется углубиться, то смотрите уже конкретную тему. Пример:
Читаешь в учебнике по ML главу про метод опорных векторов (support vector machines) и не понимаешь что это такое за отображение признаков. Смотришь в другом месте:
А, так это просто функция между двумя векторными пространствами. А что такое векторное пространство и какие вообще его элементы? Смотришь в энциклопедии:
Векторное пространство — множество элементов вместе с определенными операциями сложения и скалярного умножения, если выполняется ряд свойств. Элементы векторного пространства называются векторами. Ну, более-менее понятно. Читаешь дальше про метод опорных векторов.
Мне кажется такой стиль обучения просто лучше сегодня. Мы плаваем в бездонном океане информации и самый главный навык это уметь отыскивать по частям что реально нужно. Если изучать "всё с начала", то просто утонешь и никогда не дойдешь до главного.
Я скорее программист, а в прошлом физик. Если хотите мою узнать мою базу, то это обычные курсы высшей математику (ну это давно было), теория групп и теория информации в качества хобби.
Ну серьезно, что мне помешает понять модель, если я сначала посмотрю реализацию в коде, а затем пойду непонятые аспекты разбирать? Конечно, такой поиск часто будет приводить к переваривают целых глав из вашего же списка литературы. Но обратите внимание, моя цель это не прочитать 10 книг от корки до корки, а досконально разобраться в том, что реально нужно для этой понимания данной модели например.
Разве у вас не возникало желание сравнить описание модели по разным учебникам или погрузиться на несколько уровней глубже в математику чтобы понять какую-то штуку? Не существует же конкретного порядка в котором "нужно" изучать тему. Не нужно стесняться прыгать от источнику к источнику информации при необходимости. Поверьте, посмотреть набор статей, которые полезны именно вам именно сейчас, будет намного продуктивнее, чем весь матан повторять.
Автор по сути рекомендует подход обучения "с основ", но я бы советовал учится иначе, то есть "с конца". Сразу берите учебник по питону/датасаэнсу и в нем разбирайтесь. Если где-то хочется углубиться, то смотрите уже конкретную тему. Пример:
Читаешь в учебнике по ML главу про метод опорных векторов (support vector machines) и не понимаешь что это такое за отображение признаков. Смотришь в другом месте:
А, так это просто функция между двумя векторными пространствами. А что такое векторное пространство и какие вообще его элементы? Смотришь в энциклопедии:
Векторное пространство — множество элементов вместе с определенными операциями сложения и скалярного умножения, если выполняется ряд свойств. Элементы векторного пространства называются векторами. Ну, более-менее понятно. Читаешь дальше про метод опорных векторов.
Мне кажется такой стиль обучения просто лучше сегодня. Мы плаваем в бездонном океане информации и самый главный навык это уметь отыскивать по частям что реально нужно. Если изучать "всё с начала", то просто утонешь и никогда не дойдешь до главного.