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

  如何评价李飞飞和李佳加盟谷歌? 
  已有大量编程基础,如何速成python用于学习机器学习? 
  有什么算法能对一个长短不一的时间序列进行分类预测? 
  为什么帕斯卡定理涉及的恰好是内接「六」边形? 
  人工智能 CV 岗位是不是现在供严重大于需? 
  申请英国博士难度有多大?需要如何准备? 
  如何评价B站UP主未明子宣称“知乎搞机器学习模拟拉康的程序员”具备“头脑上的悲剧”? 
  机器学习算法工程师如何自己接项目单干、并赚取比上班多得多的收入? 
  都说读博选导师大于学校排名,可是这个事情的界限在哪? 
  为何以范剑青老师的 Sure Independence Screening 为代表的筛选法没有流行呢? 

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」?





© 2025-04-02 - tinynew.org. All Rights Reserved.
© 2025-04-02 - tinynew.org. 保留所有权利