Các khóa học máy: giải thích toán học

7

Tôi đang tìm kiếm một khóa học về Machine Learning sẽ cung cấp cho các toán học đằng sau các thuật toán thay vì chỉ đơn giản là dạy cách áp dụng chúng. Tôi đã xem Udacity Into to Machine Learning và khóa học của Andrew Ng trên Coursera và cả hai dường như quá áp dụng với tôi. Bất kỳ khuyến nghị của sách giáo khoa cũng sẽ được nhiều đánh giá cao.

machine-learning references

— GingerBadger
nguồn

2

Có lẽ điều này giúp? nzhiltsov.blogspot.nl/2014/09/... Nó chứa một liên kết đến các kho lưu trữ web của measuringmeasures.com (đó là web.archive.org/web/20101102120728/http://measuringmeasures.com/... ) là tốt, mà dường như ngày nay đã giảm

— Erik van de Ven

4

Nếu toán học của Andrew Ng không đủ cho bạn thì có lẽ bạn không tìm kiếm toán học về máy học mà là những môn học thống kê, mà tôi rất muốn giới thiệu cuốn sách này .

— Digio

5

Để thêm vào @Digio, tôi muốn giới thiệu Học từ dữ liệu của Abu-Mostafa , trong đó có đủ toán học học thống kê để khiến bạn hào hứng và muốn nhiều hơn nữa.

— Hồng Kông
nguồn

5

Lưu ý, Andrew Ng có một khóa học toán học hơn ở Stanford Online chứ không phải Coursera.

Khuyến nghị sẽ luôn chủ quan, đối với tôi, cá nhân tôi thích

Các yếu tố của học thống kê

Tối ưu hoá trực quan

Cả hai cuốn sách là những cuốn sách cổ điển trong cộng đồng học máy và có sẵn miễn phí.

Câu hỏi liên quan có thể được tìm thấy ở đây.

Máy học sách dạy nấu ăn / thẻ tham khảo / áo choàng?

— Haitao Du
nguồn

4

Cố gắng đào sâu hơn trong một chủ đề cụ thể. Khóa học Ngs chỉ làm trầy xước bề mặt, nhưng các khóa học cụ thể khác là lý thuyết / toán học hơn.

Mạng Bayes / Mạng Markov:

Các mô hình đồ họa xác suất là một khóa học coursera tiên tiến về mặt lý thuyết trên các mạng Bayes / mạng Markov. Cuốn sách thậm chí còn lý thuyết hơn. Nó có đầy đủ bằng chứng.

Mạng lưới thần kinh:

Mạng nơ-ron cho Machine Learning cũng là một khóa học khá lý thuyết vì nó thực sự sâu sắc. Tuy nhiên, nó không phải là toán học như khóa học PGM tôi đã đề cập ở trên.

Tuy nhiên, nếu bạn muốn hiểu lý thuyết về Machine Learning và không phải là các thuật toán bạn có thể tìm cho một cuốn sách giáo khoa. Trong trường hợp này, hãy dùng những gì @digio đề xuất.

— Ferdi
nguồn

3

Khóa học máy edX (được lưu trữ) này từ Columbia giải thích rất nhiều toán học cơ bản. Ví dụ, chúng hiển thị hồi quy tuyến tính chính quy và hệ số ma trận xác suất theo quan điểm Bayesian (Maximum A Posteriori).

Hiểu về Machine Learning là một cuốn sách giáo khoa (có sẵn miễn phí) sử dụng phương pháp lý thuyết học tập tính toán, và chứa các dẫn xuất và tính toán / ước tính kích thước VC của các bộ phân loại.

— Jakub Bartczuk
nguồn

tất cả các toán học mà bạn đề cập vẫn còn có liên quan trong năm 2018/2019 hay nó đã thay đổi như thế nào? Tôi nên học loại toán nào để làm cơ sở cho việc học máy ngay bây giờ? Tôi đã thực hiện một số tìm kiếm và tài liệu mới nhất về điều này mà tôi có thể tìm thấy từ năm 2017, và tôi biết rằng ML đã phát triển trong thời gian đó

— oldboy

@ user2230470 Tôi muốn nói rằng toán học cho hầu hết các máy học không thay đổi trong 10 hoặc 20 năm qua. Ý tôi là toán học cho những điều cơ bản, các mô hình cụ thể hơn có thể cần hiểu một số điều khác nhau (ví dụ: có rất nhiều phép toán khó trong Mô hình tạo, như khoảng cách Wasserstein trong WGANs hoặc Suy luận biến đổi trong VAE)

— Jakub Bartczuk 27/11/18

Có phải sự phổ biến của các chức năng kích hoạt đã thay đổi từ sigmoid sang relu tho? ive bắt đầu học đại số tuyến tính. tính toán đa biến là một số khác mà tôi đã nghe. thật tuyệt khi hiểu các loại toán học khác nhau thường được sử dụng trong lĩnh vực này

— oldboy

Tôi không hiểu chức năng kích hoạt phải làm gì với điều đó. Họ được định nghĩa bằng cách sử dụng toán học trung học.

— Jakub Bartczuk

Các hàm Sigmoid và ReLU có liên quan đến các loại toán học khác nhau không?

— oldboy