গত বছর থেকে শুরু করে, আমি মেশিন লার্নিংয়ের মতো কয়েকটি গুরুত্বপূর্ণ থিসিস বোঝার জন্য বিভিন্ন বিষয় অধ্যয়ন করছি
এস। হোক্রেইটার, এবং জে শ্মিধুবার। (1997)। দীর্ঘ স্বল্পমেয়াদী স্মৃতি । নিউরাল গণনা, 9 (8), 1735-1780।
যাইহোক, আমার কোনও গাণিতিক পটভূমি না থাকার কারণে, আমি পছন্দ মতো বিষয়গুলি শিখতে শুরু করি
- পাথুরি
- মাল্টিভাইয়ারেট ক্যালকুলাস
- গাণিতিক অনায়ালিসিস
- রৈখিক বীজগণিত
- ডিফারেনশিয়াল সমীকরণ
- রিয়েল অ্যানেলিসিস (পরিমাপ তত্ত্ব)
- প্রাথমিক সম্ভাবনা এবং পরিসংখ্যান
- গাণিতিক পরিসংখ্যান
এই মুহুর্তে, আমি বলতে পারি না যে আমি সেই বিষয়গুলি কঠোরভাবে অধ্যয়ন করেছি, তবে আমি জানি যে উপরের বিষয়গুলি কীসের সাথে ডিল করতে চায়। বিষয়টি হ'ল এই মুহুর্তে আমার কী করতে হবে তা আমি জানি না। অনেকগুলি বিষয় রয়েছে যা মেশিন লার্নিং এর মাধ্যমে বহু সমস্যা সমাধানের জন্য ব্যবহার করা হয় এবং সেগুলি কীভাবে সঠিকভাবে ব্যবহার করতে হয় তা আমি জানি না।
উদাহরণস্বরূপ, রিইনফোর্সমেন্ট লার্নিং এখন সর্বাধিক জনপ্রিয় একটি বিষয় যা কয়েক সহস্রাধিক গবেষক এখন মাত্রিকতার অভিশাপের একটি অগ্রগতি অর্জন করার জন্য তাদের গবেষণা করছেন। তবে, ভবিষ্যতের কর্মচারী হিসাবে যিনি আইটি সংস্থাগুলিতে কাজ করবেন, ডেস্কের কাজটি এমন কিছু হবে না যা আমি প্রত্যাশা করেছিলাম।
ক্ষেত্রগুলিতে কাজ করার জন্য কি আমার নিজস্ব দক্ষতা থাকা গুরুত্বপূর্ণ? যদি তা হয় তবে এখনই আমার কী ধরণের বিষয়গুলি পড়তে হবে?
আপনার সুবিধার জন্য, আমি মার্কভ প্রক্রিয়া এবং মার্কভের সিদ্ধান্ত প্রক্রিয়া সম্পর্কে আরও জানতে চাই।