Informatik > Maschinelles Lernen
-
Übungsaufgaben zum maschinellen Lernen mit Stift und Papier
- Dieses von Michael U. Gutmann verfasste Dokument ist eine Sammlung von Übungsaufgaben zum maschinellen Lernen, die sich überwiegend mit Stift und Papier lösen lassen.
- Behandelte Themen sind lineare Algebra, Optimierung, gerichtete grafische Modelle, ungerichtete grafische Modelle, Ausdrucksstärke grafischer Modelle, Faktorgraphen und Message Passing, Inferenz für Hidden-Markov-Modelle, modellbasiertes Lernen (einschließlich ICA und unnormalisierter Modelle), Sampling und Monte-Carlo-Integration sowie variationale Inferenz.
-
Weitere Informationen
- Es gibt eine zugehörige GitHub-Seite.
- Das Dokument wurde bei arXiv eingereicht und ist den Bereichen Machine Learning (cs.LG) und Statistical Machine Learning (stat.ML) zugeordnet.
- Die arXiv-Kennung ist arXiv:2206.13446, die DOI lautet https://doi.org/10.48550/arXiv.2206.13446.
1 Kommentare
Hacker-News-Kommentare
Sieht großartig aus, aber eines der frustrierendsten Dinge beim Lernen von Machine Learning ist, dass man theoretisch sehr tief einsteigen kann, ohne zu sehen, wie das mit der Praxis zusammenhängt. Zum Beispiel: Wie wählt man die Anzahl der Neuronen pro Layer, wie viele Layer braucht man, welche Aktivierungsfunktion nimmt man, ob man ein neuronales Netz verwenden sollte oder eine andere Technik usw. Ich wäre dankbar, wenn jemand diesen Teil erklären würde
Sehr sauber. Erinnert mich an die Übungsaufgaben aus „AI By Hand“ von Tom Yeh
Es ist schon witzig, wie Mathematiker immer versuchen, lineare Algebra und Matrixtheorie in Machine Learning hineinzudrücken. Wer es nicht besser weiß, könnte denken, Akademiker hätten die LLMs erfunden und man müsse sich mit ihnen beraten. Tatsächlich haben Akademiker und Theoretiker Machine Learning ausgebremst und mehrere Generationen von Doktoranden dazu gezwungen, symbolische Beweise zu führen, weil sie rechnergestützte Techniken für minderwertig hielten
Sieht ordentlich aus. Mein einziger Kritikpunkt ist, dass die Lösung direkt nach der Frage kommt, sodass man sie liest, bevor man selbst darüber nachdenken kann
Wirklich sauber. Ich arbeite im Bereich Machine Learning, habe aber bei den mathematischen Grundlagen immer noch das Gefühl, ein Hochstapler zu sein, besonders bei linearer Algebra und Matrix-/Tensor-Operationen. Ich frage mich, ob es gute Materialien mit Aufgabensammlungen gibt, die sich auf grundlegende Deep-Learning-Techniken konzentrieren. Aus der Perspektive mehrerer Lehrender zu lernen, während man jeden Tag ein bisschen übt, funktioniert für mich am besten
Wie viele der Praktiker, die heute „nützliches“ Machine Learning bauen, könnten diese Aufgaben tatsächlich lösen? Sollten sie das können?
Wunderschönes Material mit vollständigen Lösungen, danke fürs Teilen. Wenn es solche Stift-und-Papier-Übungen zu anderen Themen gibt, hätte ich Interesse daran
Ist arXiv nicht für Forschungsarbeiten auf Forschungsniveau gedacht? Ich bin überrascht, dass dieses Material dort gehostet wird
Damalige Diskussion: Stift-und-Papier-Übungen in Machine Learning (2021) – Juni 2022 (55 Kommentare)