本文探讨了机器学习与数学的紧密联系，强调了数学基础对于理解和实践机器学习的重要性。主要内容包括线性代数、高等代数和概率论的基础知识，并介绍了相关数学概念在机器学习中的应用。通过实验楼的《机器学习数学基础》课程，学习者可以掌握机器学习所需的关键数学技能。
01
人工智能的浪潮已席卷全球，“人工智能（AI）”、“机器学习”、“深度学习”等词汇经常出现在我们的视线中，同时绝大部分人也往往搞不清这些看起来很高大上的词汇之前有何异同。
概括来说，“机器学习”是目前实现“人工智能”最主流的一种方法；机器学习中有一种叫“神经网络（学习）”的算法，当神经网络层数≥8层时，便可称为“深度学习”。
也就是说，要想进军人工智能，机器学习务必学好，神经网络和深度学习则是机器学习纵向发展的方向之一。
而机器学习，不仅仅要求能敲代码，对数学也有一定的要求。
（说不需要数学基础也能学好机器学习的，那都是耍流氓！）
数学基础不扎实，只会用一些机器学习的工具和框架，就好比学功夫只学其形不学其神，空有花架子，碰到实战就一定是鼻青脸肿。
02
机器学习需要哪些数学基础呢？
1. 线性代数：向量、向量的点积与叉积、行列式、代数余子式、矩阵、矩阵和方程组、矩阵的秩、逆矩阵、高斯—诺尔当消元法、消元矩阵与置换矩阵、矩阵的LU分解、欧几里得距离、曼哈顿距离、切比雪夫距离、夹角余弦等；
2. 高等代数：导数、
最低0.47元/天 解锁文章
扫一扫
1013
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
