1. 程式人生 > >數學不好還學什麼AI人工智慧?!

數學不好還學什麼AI人工智慧?!

人工智慧與數學之間的關係可歸納為:

在AI領域工作的不懂數學的人就像一個不懂得說服的政治家。 兩者都有一個不可避免的區域可供使用。

 

現在,在你全部緊張起來之前,因為網際網路上的某個人只是告訴你你需要數學,放鬆一下。 你確實需要數學,但你不需要全部。 另外,我將在本文末尾告訴你祕訣。 但首先,你真的需要什麼樣的數學?

線性代數:這是您絕對需要熟悉的數學的一部分。 即使你只想成為一名深度學習的實踐者,而不是研究者,你仍然需要線性代數。 為什麼?

因為幾乎所有資料都將採用多維矩陣的形式。 您將使用程式碼進行的許多魔術將要求您瞭解此類矩陣的操作。這絕對是你應該學習的東西。

微分學:如果你只是想在深度學習中創造一些有趣的專案,那麼這個並不是絕對必要的。 但是,如果你想深入瞭解事情是如何運作的,或者你想進行一些研究,那麼你需要在你的工具帶中使用這個工具。

統計:由於您將處理大量資料,並且您還需要操作,理解和視覺化這些資料,因此您需要統計資料。

概率:如果你進入一些嚴肅的應用程式,那麼你也需要概率,因為通過任何型別的深度學習,你將處理概率。 嚴重的應用,如自動駕駛汽車,人工智慧等將要求您使用概率模型。 但是對於一些輕量級深度學習,你不需要太多。

 

就數學而言,這幾乎就是深度學習所需要的。 如果你只是想玩深度學習並做一些輕量級專案來獲得樂趣,那麼只要熟悉這些概念就可以了。 但是,如果你想進入完整的研究模式,那麼你需要非常精通這些東西。

此外,您不需要成為數學嚮導來深入學習從業者。 您只需要學習線性代數和統計學,並熟悉一些微積分和概率。

現在,正如我所承諾的,祕密醬。 如果您感到被數學所嚇倒,這是您不進入深度學習或任何其他領域的唯一理由,那麼這個祕訣就是為您服務。 祕訣就是:學習數學的唯一方法是做數學 - 保羅·哈爾莫斯。

如果你想更加了解人工智慧,或者說想實踐一下人工智慧專案,谷歌的另一款工具或許可以幫到你,也就是谷歌的AIY Projects專案。 AIY Vision Kit附帶的軟體執行三個基於TensorFlow的神經網路。 其中一個基於谷歌的MobileNets平臺,能夠識別超過1,000個日常物品。 第二個可以在影象中發現面部和表情。 最後一個是專門用於識別貓,狗和人的神經網路。