Beberapa Sumber Daya Matematika untuk Membantu Anda dalam Perjalanan ML Anda — Menuju AI — Teknologi, Sains, dan Teknik Terbaik

Pengarang: Tobi Olabode

Pembelajaran Mesin, Matematika

Foto oleh Jeswin Thomas di Unsplash

Saya telah mencari konten untuk meningkatkan keterampilan matematika saya untuk ML. Saya juga memperhatikan ketika menggulir beberapa utas, banyak orang tidak menemukan konten yang menjelaskan matematika secara intuitif. Menyebabkan kurangnya kepercayaan dalam belajar ML. Tapi ini tidak harus.

Aku bersamamu, karakter yang tampak aneh dan huruf Yunani tidak terlihat ramah. Tetapi mereka adalah beberapa professional online yang baik yang dapat mengungkap pengalaman itu.

Beberapa bahan tersebut di bawah ini:

Seri Video Matematika Umum

3blue1brown Kalkulus dan seri Aljabar Linear

Saya ingat menonton kedua seri ini beberapa waktu lalu dan saya akan menontonnya lagi. Narator mengeksplorasi topik tanpa terjebak dalam detail. Terasa seperti Anda menemukan matematika dengan orang-orang asli yang membuat kalkulus. Dalam deret aljabar linier, dia melakukan pekerjaan yang luar biasa dalam memvisualisasikan ruang vektor. Anda dapat melihat berbagai operasi yang dilakukan untuk vektor dan matriks dalam bentuk gambar. Memungkinkan Anda memahami kebutuhan berbagai operasi dan apa yang mereka lakukan.

Akademi Khan

Saya yakin Anda sudah tahu tentang Sal Kahn sekarang. Saat Anda menonton beberapa videonya. Video-videonya secara intuitif menjelaskan berbagai topik. Juga, tunjukkan kepada Anda berbagai tindakan tangan-demi-tangan yang perlu Anda lakukan untuk melakukan berbagai perhitungan. Seperti perkalian matriks dan penghitungan turunan.

Untuk topik matematika yang relevan dengan ML, lihat:

Soal latihan memungkinkan Anda menguji pengetahuan Anda dengan umpan balik yang cepat. Ini akan membantu memperkuat apa yang baru saja Anda pelajari dalam video.

Memahami Kalkulus dalam 35 Menit — Guru Kimia Organik

Sebuah gambaran umum dari subjek. Jadi, Anda bisa akrab dengan konsep profound learning nanti. Jika Anda tidak tahu tentang kalkulus dan tidak tahu harus mulai dari mana. Maka movie harus menjadi satu untuk Anda. Karena hanya kurang dari satu jam dan pelajari inti dari apa itu kalkulus. Dan mengambil pengetahuan untuk studi lebih lanjut.

CATATAN: Anda tidak akan mempelajari semua kalkulus dalam 30 menit. Tetapi movie akan membantu Anda terbiasa dengan ide-ide utama subjek.

Pembelajaran Khusus Matematika Mendalam

3blue1brown Deep Learning string

Mengambil konsep dari seri sebelumnya dan menerapkannya pada pembelajaran mendalam. 3blue1brown melakukan pekerjaan luar biasa dalam memvisualisasikan jaringan saraf dan menjelaskan apa itu jaringan saraf.

Seorang pemula mutlak akan menemukan seri ini berguna karena memperkenalkan apa itu jaringan saraf. Pengguna ML yang lebih berpengetahuan mungkin juga merasa terbantu. Ini memiliki cara berwawasan untuk menunjukkan konsep dasar seperti penurunan gradien dan aljabar linier yang digunakan dalam jaringan saraf.

Buku Matematika untuk Pembelajaran Mesin

Saya cenderung menggunakan buku ini sebagai panduan referensi jika itu adalah konsep yang ingin saya periksa. Buku ini membahas mata pelajaran paling penting yang relevan dengan pembelajaran mesin dan membahas secara mendalam.

Contoh halaman notasi:

https://mml-book.github.io/book/mml-book.pdf

Matematika untuk Pembelajaran Mesin — Kalkulus Multivariat — Imperial College London

Seri multi-jam yang menjelaskan bagaimana kalkulus digunakan dalam pembelajaran mendalam. Materi datang pada subjek dengan tampilan tingkat tinggi. Tetapi masuk ke detail yang cukup untuk membantu Anda belajar banyak. Seri ini akan meningkatkan minat Anda untuk mempelajari kalkulus secara lebih menyeluruh. Tanpa tersesat dalam detailnya.

Imperial College London

Bahan Penting Lainnya

Sekarang, ini adalah sumber daya yang belum pernah saya gunakan atau gunakan dengan sangat ringan tetapi mendapat rekomendasi bagus dari berbagai orang.

Jadi periksa mereka:

Aljabar Linier Komputasi:

Kursus ini mengajarkan aljabar Linier dari perspektif top notch. Aljabar linier dalam konteks yang digunakan dalam aplikasi pembelajaran mendalam yang sebenarnya. Saat Anda belajar matematika, itu tidak akan terlalu banyak teori. Jadi, Anda akan bermain dengan banyak kode.

Dari situs internet mereka:

[the course is] sepenuhnya berpusat pada aplikasi praktis dan menggunakan algoritme dan alat canggih, termasuk PyTorch, Numba, dan SVD acak. Ini juga mencakup konsep aljabar linier numerik dasar seperti aritmatika flying stage, epsilon mesin, dekomposisi nilai tunggal, dekomposisi eigen, dan dekomposisi QR.

Kursus ini berbicara tentang aljabar linier yang digunakan dalam perhitungan nyata. Tidak hanya aljabar linier yang dikerjakan dengan tangan.

Kursus aljabar linier pertama yang khas berfokus pada bagaimana memecahkan masalah matriks dengan tangan, misalnya, menghabiskan waktu menggunakan Eliminasi Gaussian dengan pensil dan kertas untuk menyelesaikan sistem kecil persamaan secara manual. Namun, ternyata metode dan perhatian untuk memecahkan masalah matriks yang lebih besar melalui komputer seringkali sangat berbeda radically

CATATAN: Karena kursus dibuat beberapa waktu lalu. Saya tidak tahu apakah kodenya masih terbaru. Tapi konsepnya masih tampak baik-baik saja.

Buku Deep Learning oleh Ian Goodfellow dan Yoshua Bengio dan Aaron Courville

Dari situs internet mereka:

Buku teks Deep Learning adalah sumber yang dimaksudkan untuk membantu siswa dan praktisi memasuki bidang pembelajaran mesin pada umumnya dan pembelajaran mendalam pada khususnya.

Saya belum membaca semua buku secara menyeluruh. Tetapi saya telah menggunakan halaman notasi untuk memahami simbol matematika dalam berbagai pekerjaan pembelajaran mendalam.

Ini adalah para ahli di bidang pembelajaran yang mendalam. Percayalah, mereka tahu apa yang mereka bicarakan.

Ian Goodfellow, pencipta GAN.

Yoshua Bengio, salah satu bapak baptis pembelajaran mendalam.

Pengantar Pembelajaran Statistik

Beberapa orang di kancah ML telah merekomendasikan buku ini. Statistik adalah topik yang cukup penting. Membantu Anda mengetahui cara meningkatkan dan menganalisis kumpulan information Anda. Jadi belajar lebih banyak tentang topik tidak ada salahnya.

Jika Anda menemukan artikel ini menarik, maka periksa milis saya. Di mana saya menulis lebih banyak hal seperti ini

Beberapa Sumber Daya Matematika untuk Membantu Anda dalam Perjalanan ML Anda awalnya diterbitkan di Limit AI on Moderate, di mana orang-orang melanjutkan percakapan dengan menyoroti dan menanggapi cerita ini.

Diterbitkan melalui Menuju AI