首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
MCP广场
社区首页 >问答首页 >在这种情况下,先进的理论知识帮助解决了一个现实世界的问题?

在这种情况下,先进的理论知识帮助解决了一个现实世界的问题?
EN

Data Science用户
提问于 2017-12-19 03:31:41
回答 1查看 45关注 0票数 0

我花了很多时间试图理解深度学习和神经网络的理论方面,但我现在质疑它是否值得,因为我是一个主要从事应用/商业方面工作的人。

通过先进的理论知识,我的意思是:了解支持向量机内核技巧的细节、“不免费午餐”定理及其与机器学习的关系、神经网络是如何成为通用逼近器的细节、分类器的VC维数等等。

所谓应用数据科学家,我指的是使用现有算法解决业务问题的人,而不是开发新算法的人。

因此,我的问题是:在应用数据科学家的生活中,是否存在这样的理论知识是有用的情况?还是这类知识只对那些致力于开发新算法的人有用?

EN

回答 1

Data Science用户

发布于 2017-12-19 06:36:28

最后,作为一名应用数据科学家,您可以使用一袋工具来解决业务问题。知道你的工具能做什么,每个工具在哪里有用,以及它们的局限性是什么,这是很有帮助的。如果你至少没有一些理论,知道在哪种情况下使用哪种方法似乎是毫无意义的细节列表,当事情中断时,你可能不知道为什么--我的代码中是否有错误,还是我在一个有基本局限性的场景中应用算法时犯了根本错误?

您可以务实地应用工具,就像您以前看到它们应用过的那样。理论将帮助你有一个直觉,它是否可能或合理地应用给定的工具,以新的情况,你还没有看到。它可以帮助您回答这样的问题:该算法将如何与数据的大小或维度进行缩放?特别是SVM在数据大小上的扩展性较差,正是因为它们依赖内核。这种基础知识可能比能够写出内核技巧更有用。

票数 2
EN
页面原文内容由Data Science提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接:

https://datascience.stackexchange.com/questions/25788

复制
相关文章

相似问题

领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档