Trí tuệ nhân tạo đã đạt được tầm quan trọng trong thập kỷ qua với rất nhiều tùy thuộc vào sự phát triển và tích hợp của AI trong cuộc sống hàng ngày của chúng ta. Tiến bộ mà AI đã đạt được là đáng kinh ngạc với những chiếc xe tự lái, chẩn đoán y tế và thậm chí đặt cược con người vào các trò chơi chiến lược như cờ vây và cờ vua.
Tương lai cho AI vô cùng hứa hẹn và không còn xa khi chúng ta có những người bạn đồng hành của riêng mình. Điều này đã thúc đẩy rất nhiều nhà phát triển bắt đầu viết mã và bắt đầu phát triển cho các chương trình AI và ML. Tuy nhiên, học viết thuật toán cho AI và ML không dễ và đòi hỏi kiến thức toán học và lập trình sâu rộng.
Toán học đóng một vai trò quan trọng vì nó xây dựng nền tảng để lập trình cho hai luồng này.
Có nhiều lý do tại sao toán học là quan trọng cho học máy. Một số trong số họ là dưới đây:
Chọn đúng thuật toán bao gồm cân nhắc về độ chính xác, thời gian đào tạo, độ phức tạp của mô hình, số lượng tham số và số lượng tính năng. Chọn cài đặt tham số và chiến lược xác nhận. Xác định thiếu và thừa bằng cách hiểu sự đánh đổi Bias-Variance. Ước tính khoảng tin cậy đúng và không chắc chắn.
Những loại toán học là cần thiết cho máy học?
Toán học là hoàn toàn cần thiết cho nghiên cứu về Machine Learning hoặc Artificial Intelligence. Bất kỳ hiểu biết sâu sắc hơn về các khái niệm và thuật toán trong ML đòi hỏi một số kiến thức toán học cơ bản.
Ba lý thuyết toán học chính: Đại số tuyến tính, Tính toán đa biến và Lý thuyết xác suất.
Đại số tuyến tính -
Ký hiệu đại số tuyến tính được sử dụng trong Machine Learning để mô tả các tham số và cấu trúc của các thuật toán học máy khác nhau. Điều này làm cho đại số tuyến tính là một điều cần thiết để hiểu làm thế nào các mạng thần kinh được kết hợp với nhau và cách chúng hoạt động.
Nó bao gồm các chủ đề như:
Vô hướng, vectơ, ma trận, ma trận định mức ma trận Ma trận đặc biệt và vectơ Eigenvalues và Eigenvector Tính toán đa biến -
Điều này được sử dụng để bổ sung cho phần học tập của máy học. Đó là những gì được sử dụng để học hỏi từ các ví dụ, cập nhật các tham số của các mô hình khác nhau và cải thiện hiệu suất.
Nó bao gồm các chủ đề như:
Các tích phân đạo hàm Các toán tử vi phân Các lý thuyết xác suất tối ưu hóa lồi -
Các lý thuyết được sử dụng để đưa ra các giả định về dữ liệu cơ bản khi chúng ta đang thiết kế các thuật toán học sâu hoặc AI này. Điều quan trọng là chúng ta phải hiểu các phân phối xác suất chính,
Nó bao gồm các chủ đề như:
Các yếu tố của xác suất Biến ngẫu nhiên Phân phối Phương sai và kỳ vọng Biến ngẫu nhiên đặc biệt Làm thế nào để học toán cho học máy nhanh chóng?
Cách tự học toán bắt đầu cho khoa học dữ liệu là học bằng cách làm shit. Trực tiếp, bạn sẽ muốn học hoặc xem lại lý thuyết cơ bản từ trước. Bạn không cần phải đọc toàn bộ sách giáo khoa, nhưng trước tiên bạn sẽ muốn tìm hiểu các khái niệm chính.
Là điều kiện tiên quyết mềm, tôi giả sử sự thoải mái cơ bản với phép tính đại số / ma trận tuyến tính (để bạn không bị kẹt vào ký hiệu) và xác suất giới thiệu.
Nếu bạn muốn học toán cho máy học sâu thì có n số khóa học có sẵn trực tuyến, chẳng hạn như,
Đại số tuyến tính, Xác suất & Thống kê, Tính toán đa biến và Tối ưu hóa của Khan Academy.
Nền tảng toán học cho máy học và AI trên eduonix
Học máy học toán học đằng sau udemy
Mã hóa ma trận: Đại số tuyến tính thông qua các ứng dụng khoa học máy tính của Philip Klein, Đại học Brown.
Cuốn sách của Larry Wasserman - Tất cả các số liệu thống kê: Một khóa học ngắn gọn về suy luận thống kê.
Hãy nhớ rằng bạn học tốt nhất bằng cách thực hiện, và thật đáng buồn là các khóa học này không chứa đủ bài tập và bài tập về nhà
Những gì tôi khuyên là, Quỹ toán học cho máy học và AI - Khóa học này không phải là một chương trình toán học đầy đủ; nó không được thiết kế để thay thế giáo dục toán học ở trường hoặc đại học. Thay vào đó, nó tập trung vào các khái niệm toán học chính mà bạn sẽ gặp trong các nghiên cứu về học máy.
Bạn sẽ học được gì:
Và nhiều hơn nữa……
Kết thúc khóa học này, bạn sẽ không chỉ có kiến thức để xây dựng các thuật toán của riêng mình mà còn có sự tự tin để thực sự bắt đầu đưa các thuật toán của mình vào sử dụng trong các dự án tiếp theo của bạn.
Khóa học cũng đi kèm với các dự án và câu đố để giúp củng cố kiến thức của bạn về các khái niệm toán học.
Nó được thiết kế để lấp đầy những khoảng trống cho những học sinh bỏ lỡ những khái niệm quan trọng này như là một phần của giáo dục chính thức, hoặc những người cần làm mới ký ức sau một thời gian dài nghỉ học toán.
Tôi nghĩ rằng khóa học này tốt hơn rất nhiều so với đầu tư 2 đến 3 tháng lướt qua tài liệu lúc ban đầu và sau đó quên đi một nửa những gì bạn đã học được khi bạn gặp nó.
Cố gắng hiểu các khái niệm cơ bản được hiển thị và luôn nhớ để vui chơi!