Pull to refresh

Comments 13

А можно пожалуйста какой-то пример, который бы показывал необходимость или преимущество сложной математики с доказательствами и всё такое?

К примеру есть программист занимающийся машинным обучением, который представляет как именно внутри работают алгоритмы которыми он пользуется. Чем ему поможет умение решать хитрые задачи по высшей математике?

Вроде как отрасль исторически развивалась без математиков в авангарде (к примеру Румельхарт был доктором философии), так сказать на здравом смысле :). В чём сейчас математика даст преимущество в машинном обучении?

Ни в коем случае не подумайте что я отрицаю важность математики, мне действительно это очень интересно. Но к сожалению не учился в серьёзном ВУЗе :(
Ответил в комментарии ниже. Почему-то не туда запостилось, извиняюсь.
к примеру Румельхарт был доктором философии

Румельхарт — психолог и математик. Доктор философии (по-английски PhD) — это просто традиционное название учёной степени на Западе и к философии имеет мало отношения.

Тем не менее, это далеко от «серьёзной» математики и строгости. Много ли доказательств в ML?

Просто математикам, а уж тем более в Яндексе хочется думать что вот никак без этого. И вот ниже пишут, якобы тяжко понять метод обратного распространения ошибки без матриц :). А вся история отрасли опровергает этот миф. Всё таки это область программирования.

Математика важна как один из способов понять что происходит внутри. А программист может знать тоже самое другим путём.
Если приводить конкретный пример, то, скажем, один из популярных классов генеративных моделей – VAE (вариационные автокодировщики) – вряд ли можно было бы придумать (и даже, наверное, использовать нелегко) без хорошего владения теорией вероятностей и матанализом. Пример ещё проще: метод обратного распространения ошибки легко сформулировать и понять на матричном языке, но довольно тяжко без него.

В целом, по мере развития инструментов машинного обучения использовать его становится всё проще и без математического аппарата, но чтобы создавать новые методы или даже глубоко разбираться в существующих она всё-таки нужна; без этого машинное обучение может превращаться в набор эвристик, которые чудесным образом иногда работают, а иногда нет.
А в Питере не планируется появление? Или удалённый вариант?
В этом году набирать по новому треку планируем только в Москве.
Будут ли отличия в программе обучения для поступивших по новому треку?
Да, как минимум в первом семестре будет адаптационный курс по математике, который мы собираем специально для этого трека.
Формальных ограничений по возрасту у нас нет.
Добрый день!
Скажите, пожалуйста, будут/есть какой-то список конкретных тем, которыми необходимо владеть для успешного прохождения на новую программу?
В целом, программа для поступающих остаётся актуальной: yandexdataschool.ru/admission/adm-program
Обо всём, что там упоминается, стоит иметь некоторое представление; при этом по алгоритмам для нового трека в программу добавлены дополнительные темы. Постараемся вскоре поделиться пробным вариантом письменного экзамена, чтобы вы смогли лучше понять, чего мы ожидаем от поступающих; на Дне открытых дверей тоже планируем рассказать об этом чуть более развёрнуто.
Sign up to leave a comment.