#دیپ_لرنینگ
#ماشین_لرنینگ

▫️در دو پست قبلی، به رابطه حجم دیتا با کارآمدی مدلهای دیپ لرنینگ اشاره ای کردیم و گفتیم که ما در فایننس معمولا حجم دیتای زیادی نداریم. بنابراین اغلب و نه همیشه کارآمدی مدل های ماشین لرنینگ بهتر از دیپ لرنینگ هست اما در برخی موارد ممکنه برعکس باشه یا تفاوت چندانی در کارآمدی آنها مشاهده نکنید. بنابراین پیشنهاد ما اینه که صرفا بر اساس مطالبی که ارائه شد از بررسی روش های دیپ لرنینگ صرف نظر نکنید!

▫️در این ویدیو آقای Andrew Ng توضیح میده که برای حجم کم دیتا، نمیشه از قبل تعیین کرد کدوم مدل همیشه بهتره و نتیجه برای زمانی که دیتا ست کوچکی دارید، خیلی بستگی به مهارت کسی داره که مدلسازی رو انجام میده و تبحر اش در ایجاد و استفاده از فیچرهای با قابلیت پیش بینی بالاتر. خودشون هم به احتمال بهتر بودن SVM (یکی از روش های ماشین لرنینگ) نسبت به دیپ لرنینگ در این ویدیو اشاره میکنن. این کورس رو میتونید از این لینک و سایت کورسرا مشاهده کنید.

@FinPy