Comments 4
На третьей картинке "Основные виды машинного обучения", стрелка к ансамблям помечена как "Когда качество правда проблема". Не уверен что правильно понимаю это предложение, могу попросить переформулировать?
Благодарю за статью. Приведён список полезных материалов, вообще - нравится как пишете.
Учусь уже полгода, но утонул в Deep Learning, традиционный ML при этом только окинув взглядом. Не совсем понимаю индустрию изнутри, поэтому немного неясно, стоит ли делать упор именно на DL сейчас, будучи обывателем в поиске работы (таков был план) или всё же изучить всё - в том числе и классические ML алгоритмы. Как вы считаете?
Я ~7 лет работал ML разработчиком (сейчас менеджер) и не советовал бы сразу нырять в DL. Лучше сначала понять основные принципы и алгоритмы (линейная регрессия, логистическая регрессия, ...) классического ML. Есть старый добрый курс по ML от Воронцова, которые дает неплохое представление о машинном обучении: http://www.machinelearning.ru/wiki/index.php?title=Машинное_обучение_(курс_лекций,_К.В.Воронцов)
Отличная статья. Такой структуры как раз не хввтает в начале пути. Однако многим заблудившимся в процессе пути она так же поможет найтись )
Machine Learning инженер: что/где/как изучать, чтобы въехать