Si bien otras respuestas se centran en la cantidad de matemáticas que se necesitan en el aprendizaje automático, restringiré esta respuesta a la parte principal de la pregunta, “Si necesita matemáticas o no”.
Para que una máquina aprenda, sigue estos 2 pasos:
- recibe datos y necesita procesar esos datos
- obtener un poco de capacitación de los aportes humanos para comprender esos datos
Antes de analizar si las matemáticas son o no, es útil comprender que
- ¿Por qué es tan difícil buscar un cofundador técnico que pueda manejar el desarrollo completo de la pila?
- ¿Debo quedarme en una empresa de tecnología pre-IPO que gane 120K + más 10K en opciones en SF o ir a un Big Four que gane 150K con una bonificación anual del 10% de base?
- ¿Qué debo aprender al lado de Java para conseguir un trabajo?
- ¿Qué debo esperar de una empresa Wipro como una empresa más fresca?
- ¿Es posible conseguir trabajo en el área de Ingeniería Nuclear en Estados Unidos para el titular de un título europeo?
El propósito del entrenamiento depende de lo que estamos tratando de enseñarle a la máquina. Entonces, ayudamos a la máquina a ser buena en la toma de decisiones. A esto lo llamamos aprendizaje supervisado . Aunque las máquinas también pueden aprender en ausencia de capacitación y ese es un concepto avanzado conocido como Aprendizaje sin supervisión .
Es importante saber que, durante todos estos procesos, todo lo que una máquina puede entender son los números . Ya sea que esté tratando de entrenar una máquina para predecir el clima del mañana o reconocer la categoría de imágenes o reconocer el texto escrito a mano, todo esto no es más que una matriz (matriz) de números.
Mira la imagen de abajo, entrecierra los ojos y ¿qué ves?
Es una matriz de números hecha de una mano escrita 4. Todos los 0.0 en la matriz representan el espacio en blanco en una imagen de 4 y todos los números representan la densidad de tinta o negrura. Eso es todo lo que una máquina entenderá si está tratando de enseñarle a reconocer el patrón anterior como 4.
Deberá aplicar funciones matemáticas a:
- procesar y convertir formatos de datos,
- ejecutar análisis estadísticos para hacer predicciones con regresión
- calcular probabilidades en técnicas bayesianas
La mayoría de las matemáticas vienen como funciones empaquetadas en Python, R o cualquier otro lenguaje de su elección. Pero conocer los conceptos básicos es esencial para ser bueno en lo que haces. Incluso para convertirte en un buen programador necesitas las matemáticas. ¿De qué otra manera aprenderá a construir la lógica y cómo aprenderá qué algoritmos elegir para su aplicación? La matemática no es el enemigo, es una herramienta universal.
Fuente de la imagen: Bing (matriz de caracteres MNIST)