人工智能人人通生态雲平台

河南人民出版社有限責任公司

2019年12月28日 星期六

咨詢熱線

400-6908-558

在線學習
153 人
雲校學校
220 所
雲校老師
158 人
雲校學生
451 人
雲校家長
51 人

立即報名

平台動态

Platform Dynamics

您的位置:币安币官网 > 平台動态 > 新聞詳情

為什麼學習人工智能這麼看重數學基礎呢?

為什麼學習人工智能這麼看重數學基礎呢?

這個首先得從目前人工智能的本質說起,目前以神經網絡為基礎的深度學習體系,其實可以看做是一個線性代數矩陣模型,從微觀上來說是微分方程。

人工智能的重點在于智能,而智能的最終體現應該是随機性,比如你永遠不知道一個獨立的智慧生命在下一秒會做什麼事情。

數學是有解可計算的,智能是無解無法預測的,但智能的很多行為又是可以數學進行計算的,所以智能與數學之間應該是具有強關系但并非唯一相關。

這也是為什麼國内外大多數研究所招實習生首先看重的就是數學能力。

學人工智能要求怎樣的數學基礎

“線性代數”、“概率論”、“優化論”這三門數學課程,前兩門是建模,後一門是求解,是學習人工智能的基礎。(你們要的我都有)

1.線性代數

線性代數是學習人工智能過程中必須掌握的知識。線性代數中我們最熟悉的就是聯立方程式了,而線性代數的起源就是為了求解聯立方程式。隻是随着研究的深入,人們發現它還有更廣闊的用途。

2.概率論

“概率統計”是統計學習中重要的基礎課程,因為機器學習很多時候就是在處理事務的不确定性。

3.優化

模型建立起來後,如何求解這個模型屬于優化的範疇。優化,就是在無法獲得問題的解析解的時候,退而求其次找到一個最優解。當然,需要提前定義好什麼是最優,就好像籃球比賽之前得先定義好比賽規則一樣。

通常的做法是想辦法構造一個損失函數,然後找到損失函數的最小值進行求解。

梯度下降算法是最經典的求解算法,除此之外還有邏輯回歸算法和凸優化等。

最後

資料都是粉絲福利,無償領取的哈,然後周一開始抽實體書,需要參加的在評論區扣【1】,還有需要什麼實體書可以私信我,選需求度最大的抽。