"> 【2022新書】機器學習數學基礎,328頁pdf,密西西比州立大學Seongjai Kim教授,Mathematical Foundations of Machine Learning - 專知VIP
  • 本課程將介紹一些實際的ML算法。
  • 然而,我們將把重點放在這些算法建立的基礎數學概念上。特別是,要真正理解關於ML的任何東西,您需要非常好地掌握

——微積分,

-線性代數,還有

-概率推理(即概率的數學理論和如何使用它)。

  • 我們將深入探討應用數學分支的關鍵部分,並在ML的背景下。

  • 更具體地說,本課程的數學主題可以分為四個基本的學科領域:

  • 數據表示和將數據映射到決策、估計或兩者的操作符。我們將從線性表示的深入討論開始;它們本身就很重要/有用,也被用作非線性表示的構建塊。這就是我們需要大量線性代數及其擴展的地方。

  • 估計。從數據集中估計一個參數是什麼意思?我們將盡量用統計學的語言,把這個問題建立在一個牢固的數學基礎上。

  • 建模。

  • 計算。最後,我們將看看如何計算解決ML中出現的問題。我們將從優化中了解一些基本的算法,並從數值線性代數中了解一些代數技術。

成為VIP會員查看完整內容
52
83
0

相關內容

“機器學習是近20多年興起的一門多領域交叉學科,涉及概率論、統計學、逼近論、凸分析、算法複雜度理論等多門學科。機器學習理論主要是設計和分析一些讓可以自動“學習”的算法。機器學習算法是一類從數據中自動分析獲得規律,並利用規律對未知數據進行預測的算法。因為學習算法中涉及了大量的統計學理論,機器學習與統計推斷學聯係尤為密切,也被稱為統計學習理論。算法設計方麵,機器學習理論關注可以實現的,行之有效的學習算法。很多推論問題屬於無程序可循難度,所以部分的機器學習研究是開發容易處理的近似算法。” ——中文維基百科

知識薈萃

精品入門和進階教程、論文和代碼整理等

更多

查看相關VIP內容、論文、資訊等
【幹貨書】計算機科學家的數學,153頁pdf
專知會員服務
125+閱讀 · 2021年7月27日
專知會員服務
25+閱讀 · 2020年11月4日
【課程】紐約大學 DS-GA 1003 Machine Learning
專知會員服務
39+閱讀 · 2019年10月29日
421頁《機器學習數學基礎》最新2019版PDF下載
專知
120+閱讀 · 2019年3月17日
【幹貨】​深度學習中的線性代數
專知
16+閱讀 · 2018年3月30日
國家自然科學基金
0+閱讀 · 2014年12月31日
國家自然科學基金
0+閱讀 · 2014年12月31日
國家自然科學基金
0+閱讀 · 2014年12月31日
國家自然科學基金
0+閱讀 · 2014年12月31日
國家自然科學基金
0+閱讀 · 2013年12月31日
國家自然科學基金
0+閱讀 · 2013年12月31日
國家自然科學基金
0+閱讀 · 2013年12月31日
國家自然科學基金
0+閱讀 · 2013年12月31日
國家自然科學基金
0+閱讀 · 2012年12月31日
國家自然科學基金
0+閱讀 · 2009年12月31日
Arxiv
0+閱讀 · 4月20日
Arxiv
14+閱讀 · 2021年12月6日
Arxiv
21+閱讀 · 2021年8月2日
Arxiv
118+閱讀 · 2018年10月8日
Arxiv
15+閱讀 · 2018年8月19日
小貼士
相關基金
國家自然科學基金
0+閱讀 · 2014年12月31日
國家自然科學基金
0+閱讀 · 2014年12月31日
國家自然科學基金
0+閱讀 · 2014年12月31日
國家自然科學基金
0+閱讀 · 2014年12月31日
國家自然科學基金
0+閱讀 · 2013年12月31日
國家自然科學基金
0+閱讀 · 2013年12月31日
國家自然科學基金
0+閱讀 · 2013年12月31日
國家自然科學基金
0+閱讀 · 2013年12月31日
國家自然科學基金
0+閱讀 · 2012年12月31日
國家自然科學基金
0+閱讀 · 2009年12月31日
微信掃碼谘詢專知VIP會員
Top