百科问答小站 logo
百科问答小站 font logo



机器学习的理论方向 PhD 是否真的会接触那么多现代数学(黎曼几何、代数拓扑之类)? 第1页

  

user avatar   zhao-wen-bo-61 网友的相关建议: 
      

不会。

我刚开始是做deep learning和经典machine learning的,其间学习了statistical learning的理论,涉及到的主要是概率、statistical estimation、asymptotic theory、实分析和泛函分析、优化理论之类的东西。这些属于应用性比较强和比较基础的理论,以统计和优化尤为重要。

再后来做generative models和GAN的时候接触了一些manifold的理论,然后系统的学习了topological manifold、differential geometry和Riemannian geometry,发现非常有意思,但是实用意义不大。现在一些关于deep learning的几何观点和最优传输理论(比如顾老师团队的研究)虽然很有前景,但是还不是很成熟,未来在这一方向的理论发展还不是很明朗。

另外也有应用algebraic topology来研究deep learning的,但是也不是很成熟。其他关于deep learning的理论研究目前几乎不需要什么几何或者代数功底。




  

相关话题

  什么是受过科研训练(科班出身)? 
  如何评价新Nature子刊Nature Machine Intelligence的出现? 
  如何看待俞书宏课题组 2018 年几乎每月一篇子刊? 
  海外博士该退学吗?或者如何走出自我怀疑阶段? 
  金融学及金融从业者如何应对人工智能和大数据? 
  努力备考cpa还是争取读博? 
  如何看待12月3日发布的《美国博士学位调查》声称的6千名中国人去年获得学位,8成想留下? 
  老婆是博士是什么感觉? 
  为什么高校教职竞争这么惨烈? 
  为什么2017年的博士生致谢2021年才让我们得知? 

前一个讨论
如何看待任正非与尼古拉斯·尼葛洛庞帝(Negroponte)和乔治·吉尔德(Gilder)的问答?
下一个讨论
如何看待虎扑最近针对库里的「脱库大会」?





© 2025-04-04 - tinynew.org. All Rights Reserved.
© 2025-04-04 - tinynew.org. 保留所有权利