Понятие математики, необходимое для глубокого обучения
Почему математика необходима для глубокого обучения?
Заинтересованным людям, жаждущим узнать больше о концепции, лежащей в основе алгоритма глубокого обучения, необходимо так или иначе заняться математикой. Математика - это основная концепция, на которой построены алгоритмы глубокого обучения, которые используются для выражения идеи, которая кажется вполне очевидной, но ее неожиданно трудно разработать, и как только она будет разработана должным образом, мы сможем получить правильное понимание проблемы, которую мы даны решить. В этой статье мы собираемся подробно обсудить математику, необходимую для глубокого обучения. Теперь, если внутри вас есть искра света, чтобы узнать больше о глубоком обучении, начните с этих тем по математике:
- Геометрия и линейная алгебра
- Геометрия векторов
- Углы и точечные произведения с косинусным подобием
- Гиперплоскости
- Геометрия линейного преобразования
- Ранг Матрицы
- Линейная зависимость
- Обратимость
- Детерминант
Изучите здесь линейную алгебру и основы геометрии здесь
- Разложение матрицы
- Нахождение собственных значений и собственных векторов
- Разложение матриц
- Операции над собственным разложением
- Разложение по одному значению
- Анализ основных компонентов
- Матричное приближение
- Собственное разложение и диагонализация симметричных матриц.
- Теорема Гершгорина о круге
- LU-разложение, QR-разложение / факторизация
- Симметричные матрицы, ортогонализация и ортонормировка
Узнайте о разложении матриц здесь
- Исчисление с одной переменной
- Дифференциальное исчисление
- Правила исчисления
Изучите исчисление здесь
- Вероятность и распределения
- Правило суммы, правило произведения и теорема Байеса
- Гауссово распределение
- Дискретные и непрерывные вероятности
- Комбинаторика
- Условное и совместное распространение
- Распределение Бернулли
- Дискретное равномерное распределение
- Биномиальное распределение
- Распределение Пуассона
- Непрерывное равномерное распределение
- Гауссово распределение
- Экспоненциальное семейное распределение
Ссылаться это для видео о вероятности и для различных дистрибутивов здесь.
- Наивный байесовский
- Оптическое распознавание персонажей
- Вероятностная модель для классификации
- Наивный байесовский классификатор
Чтобы узнать больше об этом, обратитесь к статье GeeksForGeek здесь.
- Многомерное исчисление
- Многомерное дифференцирование
- Правило многомерной цепочки
- Алгоритм обратного распространения ошибки
- Градиент, градиентный спуск и его геометрия
- Интегральное исчисление, частные производные
- Функции векторных значений
- Якобиан, лапласиан, лагранжево распределение
Обратитесь к этой книге, чтобы узнать об этом больше
- Интегральное исчисление
- Теорема исчисления
- Подписать соглашения
- Геометрическая интерпретация
- Понятия множественных интегралов и замена переменных
Основы интегрального исчисления можно найти здесь.
- Случайные переменные
- Понятие от дискретного к непрерывному по случайным величинам
- Средние, отклонения, стандартное отклонение и его концепция в континууме
- Функция плотности вероятности
- Кумулятивная функция распределения
- Совместная функция плотности
- Маржинальное распределение
- Ковариация и корреляция
Подробное руководство по этой теме здесь
- Статистика
- Оценка и сравнение оценщиков
- Проведение проверки гипотез
- Построение доверительных интервалов
Обратитесь сюда, чтобы узнать об этом больше.
- Вероятность максимального правдоподобия
- Принцип максимального правдоподобия с примерами
- Численная оптимизация и отрицательное логарифмическое правдоподобие
- Максимальное правдоподобие для непрерывных переменных
- Функция создания момента
- Апостериорная и апостериорная оценка, максимальная апостериорная оценка, методы отбора проб
Чтобы узнать больше об этом, обратитесь сюда
- Теория информации (необязательно для начинающих). Узнайте об этом здесь.
После того, как вы хорошо освоите вышеперечисленные математические темы, вы можете приступить к изучению этих тем.
- Некоторые сложные математические темы
- Гамильтоново исчисление
- Исчисление Галлея
- Комплексные числа
- Кватернионы
- Седенионы
- Квадратичная функция
- Проблемы с Np
- Расширенные вероятности и статика
Универсальное руководство по всем вышеперечисленным темам здесь
- Три причины, по которым математика поможет вам в карьере в области глубокого обучения: -
- Математика помогает выбрать правильный алгоритм, учитывая его сложность, время обучения, особенности и точность
- Примерно правильный доверительный интервал и непредсказуемость.
- Помощь в выборе плана приемки алгоритма и выборе его параметров.
- Некоторые из интересных приложений, требующих алгоритма глубокого обучения: -
- Предположим, у вас есть черный прадедушка, и хотя изображение может быть снято в начале 20-го века, теперь с помощью глубокой нейронной сети можно раскрасить это черно-белое изображение, и, к удивлению, это тоже возможно с видео.
Стэнфордская документация по вышеизложенному здесь
- Пиксельное рекурсивное сверхвысокое разрешение , разработанное Google Brain Researchers, привело к созданию нейронной сети с глубоким обучением, которая способна предсказывать довольно точное изображение почти размытого изображения.
Публикация Google по этому поводу здесь.
- Чтение по губам, разработанное Оксфордским университетом, представляет собой нейронную сеть с глубоким обучением, способную читать по губам человека и преобразовывать его прямо в текст, при этом даже не требуется звук говорящего человека.
Стэнфордская документация по этому поводу здесь.
- Нейронная сеть с глубоким обучением теперь способна определять местоположение изображения, на котором он был нажат, и отображать его на карте.
Обратитесь к документации PlaNet здесь.
- Некоторые исчезающие виды китов обнаруживаются с помощью сверточной нейронной сети, и именно здесь внедряются концепции глубокого обучения, чтобы их спасти.
Обратитесь сюда, чтобы узнать больше.
- Уже разработаны беспилотные автомобили , которые могут обнаруживать трафик и выбирать оптимальный путь.
См. Документацию Стэнфорда здесь.
- Помимо этого повсеместно внедряются алгоритмы глубокого обучения, например, для прогнозирования землетрясений, создания музыкальных композиций, развлечений, здравоохранения и, конечно же, робототехники.
Подробнее здесь
Чтобы узнать больше о глубоком обучении и нейронной сети, перейдите по этой ссылке ниже.
Рекомендации: -
- Введение в искусственные нейтральные сети
- Введение в глубокое обучение
- Более удивительное приложение по глубокому обучению
- Заметки Массачусетского технологического института по математике
- Книга для подробного руководства по математике в глубоком обучении.
- Разница между машинным обучением, искусственным интеллектом и глубоким обучением
Вниманию читателя! Не прекращайте учиться сейчас. Освойте все важные концепции DSA с помощью самостоятельного курса DSA по приемлемой для студентов цене и будьте готовы к работе в отрасли. Чтобы завершить подготовку от изучения языка к DS Algo и многому другому, см. Полный курс подготовки к собеседованию .
Если вы хотите посещать живые занятия с отраслевыми экспертами, пожалуйста, обращайтесь к Geeks Classes Live и Geeks Classes Live USA.