История изменений

ML нынче это магистратура, у болонок тупо времени не хватит чтобы дальше понятия нейрона и нейронной сети заглянуть нормально, про кластеризацию там хорошо поговорить. Там нужно знание Python/scala/java/R, теорвера, SQL полезен и необходим если работать, но в учёбе опционален, глубоко знать не обязательно, достаточно на уровне решения всех задач с http://www.sql-ex.ru/ (хотя может для кого-то это и глубоко...), линал нужен (поверхностно) и дискретка. Остальное так себе, хотя тоже придётся учить чтобы не вылететь. Из косвенно полезного будут численные методы и методы оптимизации. Там ошибки считаются, важно понимать как. А вот доказательства там не нужны, совсем. По крайней мере если теорию новую не писать.

ML нынче это магистратура, у болонок тупо времени не хватит чтобы дальше понятия нейрона и нейронной сети заглянуть нормально, про кластеризацию там хорошо поговорить. Там нужно знание Python/scala/java/R, теорвера, SQL полезен если работать, но в учёбе опционален, глубоко знать не обязательно, достаточно на уровне решения всех задач с http://www.sql-ex.ru/ (хотя может для кого-то это и глубоко...), линал нужен (поверхностно) и дискретка. Остальное так себе, хотя тоже придётся учить чтобы не вылететь. Из косвенно полезного будут численные методы и методы оптимизации. Там ошибки считаются, важно понимать как. А вот доказательства там не нужны, совсем. По крайней мере если теорию новую не писать.

ML нынче это магистратура, у болонок тупо времени не хватит чтобы дальше понятия нейрона и нейронной сети заглянуть нормально, про кластеризацию там хорошо поговорить. Там нужно знание Python/scala/java/R, теорвера, SQL полезен если работать, но в учёбе опционален, глубоко знать не обязательно, достаточно на уровне решения всех задач с http://www.sql-ex.ru/ (хотя может для кого-то это и глубоко...), линал нужен (поверхностно) и дискретка. Остальное так себе, хотя тоже придётся учить чтобы не вылететь. Из косвенно полезного будут численные методы и методы оптимизации. Там ошибки считаются, важно понимать как. А вот доказательства там не нужны, совсем.

ML нынче это магистратура, у болонок тупо времени не хватит чтобы дальше понятия нейрона и нейронной сети заглянуть нормально, про кластеризацию там хорошо поговорить. Там нужно знание Python/scala/java/R, теорвера, SQL полезен если работать, но в учёбе опционален, глубоко знать не обязательно, достаточно на уровне решения всех задач с http://www.sql-ex.ru/ (хотя может для кого-то это и глубоко...), линал нужен (поверхностно) и дискретка. Остальное так себе, хотя тоже придётся учить чтобы не вылететь. Из косвенно полезного будут численные методы и методы оптимизации. Там ошибки считаются, важно понимать как.

ML нынче это магистратура, у болонок тупо времени не хватит чтобы дальше понятия нейрона и нейронной сети заглянуть нормально, про кластеризацию там хорошо поговорить. Там нужно знание Python/scala/java/R, теорвера, SQL полезен если работать, но в учёбе опционален, глубоко знать не обязательно, достаточно на уровне решения всех задач с http://www.sql-ex.ru/ (хотя может для кого-то это и глубоко...), линал нужен и дискретка. Остальное так себе, хотя тоже придётся учить чтобы не вылететь. Из косвенно полезного будут численные методы и методы оптимизации. Там ошибки считаются, важно понимать как.