人工智能背后的数学大神们

加入966367816分享人工智能知识、经验、资源

---

很多人在学习人工智能数学知识的时候，学的很“痛苦”，都想要有特别的方法学习，那有没有办法能够轻松愉快不累且高效地掌握人工智能（机器学习/深度学习）领域要用到的数学知识呢？

这里推荐一种笔者在探索中逐步发现的，简单直接又有些趣味的方法：以数学家为主线学习高等数学知识 —— 也就是，“以人为轴”学AI数学。这里给大家看看那些数学大神们：

那么——大家都可以认出几个呢？

他们分别是（从左到右从上到下依次）：牛顿、高斯、贝叶斯、费马、泰勒、拉格朗日、拉普拉斯、傅立叶，和伯努利。

说实话，现在全球数以千万计的 AI 技术人员真应该把这些大佬供起来，说咱们的饭碗都是他们赏的也不为过。

• 牛顿大神发明了微积分；

• 辅之以费马引理、泰勒公式，奠定了如今一切 AI 最优化算法工程实现的理论基础。

• 拉格朗日乘子法为限定条件下多元函数的最优化问题提供了解法。

• 数学王子高斯在概率论和线性代数领域的非凡贡献不胜枚举，仅仅高斯分布一项就堪称概率论之抗鼎模型。

• 贝叶斯让我们可以用既往经验预测未来。

• 伯努利家族不仅在概率论领域贡献颇丰，就连他家二弟卖给洛必达的“洛必达法则”亦是求解具有不定型的极限的不二法门。

• 拉普拉斯算子于微积分和线性代数而言都是非常重要的基石。

• 傅立叶变换在时域信号和频域信号之间的桥梁作用成就了整个语音领域。

---

当然，还有下面这位： 

 

• 莱布尼茨与牛顿分别独立发明了微积分，他提出的符号系统一直沿用至今。他同样是西方二进制算数体系的提出者和线性代数的重要奠基人。

当然，无论微积分、概率统计还是线性代数，都不是在一日之内形成的学科，都经历了数百年乃至上千年大量人类顶级头脑的思考和探索，对其做出贡献的数学家灿若繁星。

对照我们亟待掌握的知识点，以这些理论的提出者为基点，沿着数学史学习之，并同步了解数学发展的进程。顺便还可以以大神们之间的交往和恩怨等八卦作为润滑剂。

如此一路学来，既多了许多趣味，又能追本溯源，了解到这些理论提出的现实背景（例如：物理学的发展及其对数学工具的需求）。

在学理论的同时了解这一理论最初的作用域和当时解决的实际问题，对于我们理解其中各类概念的物理意义有着极大的帮助。

 加入966367816本社群不定期举行人工智能线上分享，组织群友分享知识、经验

欢迎大家扫码 获取AI免费资料