數學與深度學習
阿新 • • 發佈:2019-01-01
深度學習與人工智慧領域主要的門檻有程式設計能力,需要有很好的邏輯思維和程式設計經驗;還需要有紮實的數學基礎,能夠看懂相關的理論;同時計算機基礎知識也需要掌握;最後還要了解相關學科的知識,比如計算機視覺領域的影象處理知識等。
下面主要介紹數學方面的掌握內容:
線性代數。想要學習深度學習, 你第一個需要理解透徹的學問是線性代數。 為什麼? 因為深度學習的根本思想就是把任何事物轉化成高維空間的向量, 強大無比的神經網路, 說來歸齊就是無數的矩陣運算和簡單的非線性變換的結合。 這樣把影象啊, 聲音啊這類的原始資料一層層轉化為我們數學上說的向量。 什麼image to vector, word to vector 這些, 都在說的一件事情就是這類數學轉化, 不同型別(我們通常稱為非結構化資料)的資料最終成為數學上不可區分的高維空間的向量,所謂萬類歸宗。 線性代數,就是對於這一類高維空間運算做的預設操作模式,可謂上帝的魔術之手。
概率論
微積分
優化。機器學習裡的優化問題,往往是有約束條件的優化,所謂帶著鐐銬的起舞 , 因此拉格朗日乘子法就成了你逃不過的魔咒。