نویسنده(های): جوزف رابینسون، Ph.D.
در ابتدا منتشر شد به سمت هوش مصنوعی.
با این مسابقه پاپ یادگیری ماشینی، اصول را مرور کنید، مهارت های خود را تقویت کنید، و مصاحبه را انجام دهید!
این داستان فقط برای اعضا در اختیار ماست. برای دسترسی به تمام Medium ارتقا دهید.
یادگیری ماشینی است زمینه ای که نوید پیچیدگی های زیادی را می دهد که در اصول ظریف و اغلب انتزاعی پیچیده شده است. ساختن مدل‌ها و به‌کارگیری آن‌ها در سناریوهای دنیای واقعی یک چیز است، اما درک اصولی که در پس تصمیم‌هایتان وجود دارد، دانستن اینکه چه زمانی شکست می‌خورند و نظریه‌ای که زیربنای همه چیز است چیز دیگری است. در اینجا هفت سوال وجود دارد که دانش سطح را از تخصص واقعی جدا می کند. اگر می توانید به درستی به این موارد پاسخ دهید، برای ادعای عنوان “متخصص” عجله نکنید. بیایید آن را تجزیه کنیم.
· I. مبادله سوگیری-واریانس چیست و چگونه بر عملکرد مدل تأثیر می گذارد؟· II. تفاوت بین مدل های پارامتریک و ناپارامتریک چیست؟· III. آیا می توانید شهود پشت صلیب را توصیف کنیدآنتروپی از دست دادن و چرا معمولاً در مسائل طبقه بندی استفاده می شود؟ · IV. چرا مقیاس‌بندی ویژگی مهم است و چه زمانی باید استانداردسازی را در مقابل عادی‌سازی اعمال کنید؟ V. تفاوت بین بسته‌بندی و تقویت چیست و چه زمانی باید از هر کدام استفاده کنید؟· VI. دقت و یادآوری چیست و چگونه با امتیاز F1 ارتباط دارند؟· VII. چیست؟ نفرین ابعاد، و چگونه بر انتخاب مدل تأثیر می گذارد؟ · پاسخ های سطح متخصص · آیا شما یک متخصص هستید؟
این سوال… وبلاگ کامل را به صورت رایگان در Medium بخوانید.
منتشر شده از طریق به سمت هوش مصنوعی