Вводные вопросы

Бэкграунд в когнитивных науках и нейронауке даёт базу для машинного обучения: обе сферы используют общие алгоритмы моделирования работы мозга. Ярлык «я гуманитарий» не оправдание — прикладной статистики и основ ML хватает для старта. Вместо последовательного прохождения фундаментальных курсов матана и тервера эффективнее брать хардкорные ML-курсы и точечно подтягивать математические концепции — матрицы, производные — по мере их появления в алгоритмах. Знания собираются от прикладной задачи к теории, а не наоборот.

• Оценить бэкграунд в когнитивных науках как базу для машинного обучения
• Изучать математику точечно по мере появления в ML-алгоритмах
• Отказаться от ярлыка «я гуманитарий» как повода не осваивать аналитику