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

  正负样本极不平衡的问题? 
  去哪个国家留学读博不要钱? 
  海外博士该退学吗?或者如何走出自我怀疑阶段? 
  Cauchy定理的证明是否依赖于Jordan曲线定理? 
  为什么要学习吴恩达的机器学习? 
  为什么 空间二阶导(拉普拉斯算子)这么重要? 
  如何看待网传北大文科博士在深圳大学任教经济困难,月薪 1-3 千,上网课要求学校发网络补助? 
  如何看待浙江大学 27 岁女博导刘琬璐,本科毕业6年内发表20余篇SCI论文,成浙大最年轻教授? 
  神经网络能否代替决策树算法? 
  如果 2台 alphago 不断对战,是否会不断的强大? 

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」?





© 2025-04-24 - tinynew.org. All Rights Reserved.
© 2025-04-24 - tinynew.org. 保留所有权利