Фізик шукає шляхи в ML-дослідження: де застосувати знання диференціальної геометрії та квантової теорії поля

TL;DR

1. •Фізик з досвідом ML шукає поради щодо досліджень.
2. •Математична база фізика може бути цінною в ML.
3. •Потрібна адаптація до інженерних аспектів ML.

Як математичний досвід допомагає в ML?

Фізики часто мають глибокі знання в математиці, що може бути корисним для розуміння та розробки алгоритмів машинного навчання. Знання диференціальної геометрії, диференціальних рівнянь, стохастичних диференціальних рівнянь та квантової теорії поля можуть бути застосовані в різних областях ML.

Диференціальна геометрія — розділ математики, що вивчає геометрію гладких кривих і поверхонь.

Для кого це і за яких умов (масштаб бізнесу, бюджет, необхідна команда)

Це корисно для R&D-команд, які займаються розробкою нових алгоритмів машинного навчання. Досвід фізиків може дати нові підходи до вирішення проблем в ML, особливо в моделюванні. Для успішного переходу потрібна адаптація до інженерних аспектів ML.

Альтернативи

• •Інженери з комп'ютерних наук: мають практичний досвід, але можуть мати менш глибокі математичні знання.
• •Математики: мають глибокі математичні знання, але можуть мати менше досвіду в програмуванні та ML.