Привет всем! Решил создать новую тему, потому что сам сейчас пытаюсь войти в машинное обучение и немного теряюсь от количества направлений. С одной стороны, хочется быстрее дойти до нейросетей, с другой — понимаю, что без базы по математике, статистике и классическим алгоритмам потом будет сложно. Пока читаю про линейную регрессию, метрики и кросс-валидацию, но чувствую, что нужен более чёткий план.
Больше всего меня цепляет практика: когда можно взять датасет, обучить модель и увидеть результат. Но иногда застреваю на подготовке данных и выборе метрик, кажется, что это бесконечный этап. Интересно, как у вас было на старте: вы шли от теории к практике или наоборот? Что оказалось самым полезным в первые месяцы?
Поделитесь, пожалуйста, своим опытом: какие темы стоит освоить в первую очередь, а какие можно отложить? И ещё вопрос: что помогало вам сохранять мотивацию, когда модель выдавала странные результаты или ничего не сходилось?
Больше всего меня цепляет практика: когда можно взять датасет, обучить модель и увидеть результат. Но иногда застреваю на подготовке данных и выборе метрик, кажется, что это бесконечный этап. Интересно, как у вас было на старте: вы шли от теории к практике или наоборот? Что оказалось самым полезным в первые месяцы?
Поделитесь, пожалуйста, своим опытом: какие темы стоит освоить в первую очередь, а какие можно отложить? И ещё вопрос: что помогало вам сохранять мотивацию, когда модель выдавала странные результаты или ничего не сходилось?