¿Cuál es la matemática requerida para que una persona noob aprenda el aprendizaje automático?

Answer 1

Recomiendo encarecidamente el libro de Melanie Mitchell ( Una introducción a los algoritmos genéticos ) . 1996, sí, es antiguo, tiene 20 años, pero es bueno entender la idea general de cómo una máquina puede encontrar soluciones entre miles de millones de potenciales creando un espacio de búsqueda. y un proceso de eliminación seleccionando la solución más adecuada en cada iteración. También ha escrito otros libros sobre programación evolutiva y algoritmos genéticos. Melanie es profesora de informática en el instituto de Santa Fe.

También comienza con el padre de este proceso John Holland. John fue uno de los primeros en darse cuenta de que el antiguo concepto de “codificación dura de la IA” de la década de 1960 a la década de 1980 era simplemente una cacería salvaje y, en cambio, plagió a la madre naturaleza por su solución a los problemas. La madre naturaleza utiliza la evolución como método de adaptación. La realización de Johns de esto y el casarse con las dos ciencias de la biología y la tecnología fue, de hecho, la solución que aplicamos hoy.

También le sugeriría encarecidamente que analice la biología, no en profundidad pero lo suficiente como para saber cómo los sistemas biológicos captan los datos y los utilizan en general. La ciencia de la bioinformática sería útil allí. Si desea una lista de lectura, una que no sea demasiado pesada o cargada de matemáticas, entonces responda, estaré encantada de hacerlo.

Con respecto a su formato:

1. Adaptación de John Holland en sistemas naturales y artificiales:
2. Melanie Mitchell Una introducción a los algoritmos genéticos
3. Jean H. Gallier: Lógica para los fundamentos de la ciencia computacional de la demostración del teorema automático

Semper En Lucem Solaria:

En Lucem Solaria: El nacimiento de Queen Bee, un libro electrónico de Charlie M. Wight

Answer 2

En un nivel alto, necesita conocimientos en estas áreas: estadística, probabilidad, cálculo y álgebra lineal.

Estas cuatro áreas amplias pueden subdividirse aún más: estadística descriptiva, estadística inferencial, cálculo vectorial, integración, diferenciación, mínimos locales, teoría de Bayes, modelos estocásticos, etc.

Answer 3

1. Operaciones matemáticas básicas (deben incluir logaritmos)

2. algebra

3. Binario (y matemáticas con binario)

4. Álgebra booleana (y puertas lógicas)

5. CPU y memoria

6. Lógica secuencial (circuito de CPU y memoria).

7. Conjuntos de instrucciones.

9. Programación (idiomas)

10. Algoritmos

11. Estructuras de datos (texto, números, etc.)

12. Procesamiento de datos (reproducción de videos y música, visualización de imágenes, archivos de texto)

13. Sistemas operativos y aplicaciones

Answer 4

La respuesta de Drac es acertada.

Si pasaste Álgebra y Geometría en la secundaria , eres bueno .

Ahora, necesitarás una licenciatura en algo … pero se requiere muy poca matemática.

La verdad es que la habilidad principal para los ingenieros de aprendizaje automático en el mundo real es Python.

Nos disputamos datos utilizando Python . <- Ese es el más importante.

Construimos modelos de aprendizaje profundo utilizando Keras en Python .

Construimos modelos usando SciKit-Learn en Python .

Usamos bibliotecas como NTLK para NLP … en Python .

Utilizamos marcos como TensorFlow, Gluon, MXNet … etc … que son frontales de … lo has adivinado … Python .

Si quieres convertirte en un ingeniero de aprendizaje automático del mundo real, comienza a aprender Python.

Aquí hay un regalo gratis para los primeros 5 lectores.

El curso completo de Python para ingenieros de aprendizaje automático

Answer 5

1. ¿Cómo aprendo matemáticas para el aprendizaje automático?
2. ¿Qué partes de las matemáticas son más relevantes para el aprendizaje automático?
3. Estoy persiguiendo un doctorado en aprendizaje automático. ¿Cómo puedo mejorar mis habilidades matemáticas?

También añadiré un cuarto artículo.

4. Buscando en Google

Answer 6

Para ser honesto, las matemáticas no son una habilidad importante para el aprendizaje automático. El álgebra lineal es todo lo que una computadora entiende. Así que cualquier matemática que hagas debe ser dividida en álgebra lineal de todos modos. La probabilidad no dolería pero ciertamente no es requerida.

Answer 7

1. Álgebra lineal
2. Cálculo (la diferenciación parcial es imprescindible)
3. optimización básica
4. estadística básica

   Todos estos conocimientos básicos de matemáticas son necesarios para comenzar.
   Consulte este artículo. El requisito previo real para el aprendizaje automático no es la matemática, es el análisis de datos.

   HTH

Answer 8

Un enfoque más efectivo es saltar directamente al aprendizaje automático (por ejemplo, cursos de coursera). Sabrás qué tipos de matemáticas se necesitan en el proceso de aprendizaje. Siento que aprender todos los requisitos previos primero puede afectar su impulso original sobre el aprendizaje automático.

Answer 9

1. Estadística. Una gran cantidad de aprendizaje automático se basa en las estadísticas.
2. Álgebra lineal. Útil para implementar algoritmos. Muchas cosas son más fáciles si sabes cómo manejar matrices.
3. Cálculo. Verás bits de cálculo repartidos por muchos algoritmos.