En términos de matemáticas, ambos son extremadamente simples. Quiero decir, vamos, ¿qué es tan complicado en k-means o la optimización SGD?
Son los métodos los que te fastidiarán con el cerebro.
Cuando tiene un conjunto de datos etiquetado para el aprendizaje supervisado, todo lo que necesita es una función sensata de pérdida diferenciable, cierta regularización, un optimizador y ya está todo listo. Todo es como en un libro de texto.
- ¿La experiencia de ingeniería de despliegue en Palantir explicaría la experiencia como ingeniero de software? ¿Se podrá hacer un cambio de Palantir (ingeniero de despliegue) a Google (ingeniero de software)?
- ¿Qué es el software especializado? ¿Cómo se crea?
- ¿Cuáles son los factores que afectan la calidad del software?
- Como ingeniero de software, ¿cuáles son sus consejos para una gestión eficaz del tiempo?
- ¿Tomar un curso de informática es una mala idea en mi caso?
El aprendizaje no supervisado le da otro problema, a saber, “¿qué demonios se supone que debo hacer con él?”. La tarea práctica que está tratando de resolver puede corresponder o no a la estructura interna de esos datos; en otras palabras, supongamos que tiene una agrupación de algunos puntos que es robusta y se ve bien. Si examina los grupos, puede encontrar que todo lo que necesita hacer es colocar algunas etiquetas en esos grupos y obtendrá una clasificación decente. O no. Tal vez se vean como una papilla, y en este caso tendrá que buscar otro proyector que le brinde un conjunto de grupos más adecuado.
Lo difícil aquí no es implementar el algoritmo de aprendizaje en sí mismo, sino encontrar una técnica inteligente para usarlo, buenos ejemplos del pasado están agrupados con diferentes métricas y métodos de salto de gramo / CBOW para aprender representaciones de texto. Este último es un buen MLP antiguo que es un nivel de tarea en el mejor de los casos, pero la idea detrás de esto es tonto.
Pero debería decir que esto es cierto solo para algoritmos ampliamente utilizados. Existen algunos métodos novedosos como las redes de confrontación generativa (GAN) que se utilizan con éxito para generar imágenes y, en mi opinión, son muy sofisticados.