机器学习背后的数学支柱,这5本书帮你搞定!

作者: 读芯术 2020-06-30 09:06:05

本文转载自公众号“读芯术”(ID:AI_Discovery)。

机器学习从只适用于研发人员的工具变成了被广泛采纳使用的方法,多亏了开源机器学习和深度学习框架的爆炸性发展。现如今,机器学习领域比以往任何时候都更容易上手。同时,这也助力了我们目前所经历的科技的疯狂发展。

弄清算法是如何真正工作的,可以帮助你在设计、开发和调试机器学习系统方面获得巨大优势。很多人提到数学就打哆嗦,机器学习恰巧涉及很多数学知识,这项任务可能会令很多人怯步。

然而,数学并不该成为人们在机器学习领域的“绊脚石”。相反,学好数学对于掌握机器学习非常有必要。从高层次上讲,机器学习中涉及四大数学支柱:线性代数、概率论、多元微积分、最优化理论。

为这些核心理论构建牢固基础,了解最先进的机器学习算法(例如卷积网络、生成式对抗网络等)的内部工作原理,我们需要为此付出时间,这并不是用一个下午能搞定的事情。

但鉴于你不断为此付出时间,也能够在短时间内便学到不少知识。在本文中,我选择了五本对我最有帮助的书籍,希望对你也会有帮助。

1. 《线性代数应该这样学》——谢尔顿·阿克斯勒

机器学习背后的数学支柱,这5本书帮你搞定

如果以“传统”方式讲授线性代数(先学习行列式和矩阵,再学习向量空间),对初学者而言太难了,线性代数将成为一门美丽却艰难的学科。

当我们把教学顺序调换一下,这门课程会变得十分直观和清晰。本书以非常友好和有见地的方式介绍了线性代数。多希望我最初是通过这本书学习的线性代数而不是老方法。

2. 《与深度学习神交》——安德鲁·特拉斯克

\机器学习背后的数学支柱,这5本书帮你搞定

这本书是这个清单中我最喜欢的一本。如果你只有阅读一本书的时间,一定不要错过这本。

本书包含了对神经网络内部工作原理的完整实操介绍,选取了代码片段作为所有素材。尽管这本书并非专门针对高等数学,但读过这本书后,你对深度学习数学知识的了解将多于95%的数据科学家、机器学习工程师和其他开发人员。

你还可以从头开始构建神经网络,这或许是最佳的练习方法。当用机器学习开始构建神经网络时,我也曾使用NumPy从零开始构建了卷积网络。

3. 《概率论:给满腔热忱的初学者》——大卫·莫林

机器学习背后的数学支柱,这5本书帮你搞定

大多数有关机器学习的书籍都没有正确地介绍概率论,而是充满了令人困惑的符号,且经常混淆密度函数和离散分布。读者如果没有扎实的概率论背景知识是很难理解的。

而本书将为你带来对概率论详细、正确且简单清晰的介绍。这适用于之前对概率论没有任何了解的学习者。

4. 《多变量微积分》——丹尼斯·奥鲁 (来自麻省理工学院开放式课程)

这并不是一本书,而是麻省理工学院一门有关多变量微积分并可对公众开放的大学录制课。在我所知道的所有资源中,这门课程是迄今为止对该主题的最佳介绍。

对于有单变量微积分背景知识的听课者来说,这门课程能够锦上添花,即便没有,听课者也能够轻松跟上。它唯一的缺点是没能很好地介绍到的知识点是梯度下降算法,而这是神经网络的基础。

5. 《深度学习》——伊恩·古德费洛、约舒亚·本吉奥与亚伦·库维尔

机器学习背后的数学支柱,这5本书帮你搞定

这本书由机器学习领域中一些最有才华的人撰写而成,包含了上述的所有理论,是深度学习研究人员和开发人员的首选资源。该书综合了数学理论并使用了重型机器,为诸如卷积和递归网络、自动编码器等最新深度学习方法提供了可靠指导。

最棒的一点是大家可以在线上免费阅读这本书(https://www.deeplearningbook.org/)。

在我罗列出的所有书目中,这本书可能是最难以理解的。理解深度学习需要从概率论的角度看待算法实在有些困难。

机器学习背后的数学支柱,这5本书帮你搞定

图源:unsplash

攻克这些书目肯定算不上轻松,或许会花费不少时间,但相信我,你一定会有所收获。积累知识是最好的投资。这些知识将为你构建机器学习系统带来巨大优势,更不用说机器学习背后的理论本身就是十分美好而迷人的。

机器学习 数学 深度学习
上一篇:握手5G,智能交通将迎来四大质变! 下一篇:MIT的自主机器人利用UVC光杀死表面的新冠病毒颗粒
评论
取消
暂无评论,快去成为第一个评论的人吧

更多资讯推荐

传统健身房也要被人工智能淘汰了吗?

和人们的传统健身观念不同,机器学习和人工智能早已成为现代健身项目的重要组成部分。

周舟 ·  1天前
机器学习带你横扫乐坛,你就是下一个方文山

我太爱北极猴子乐队了,但他们已经很久没有发行新单曲了。久久欠缺精神食粮的我某天晚上突然灵机一动,我可以自给自足呀!于是我写了个简单的代码,用Keras和TensorFlow训练了一个文本生成模型,写出一首全新的北极猴子的歌。

读芯术 ·  2天前
令人着迷的无梯度神经网络优化方法

梯度下降是机器学习中最重要的思想之一:给定一些代价函数以使其最小化,该算法迭代地采取最大下降斜率的步骤,理论上在经过足够的迭代次数后才达到最小值。柯西(Cauchy)于1847年首次发现,在1944年针对非线性优化问题在Haskell Curry上得到扩展,梯度下降已用于从线性回归到深度神经网络的各种算法。

AI火箭营 ·  3天前
机器学习项目必备:端到端机器学习项目开发过程的任务表

任务列表能指导开发人员完成下一步,促使你检查每个任务是否已成功执行。有时候,我们很难找到出发点,任务表也可帮助开发人员从正确的来源中获取正确的信息(数据),以便建立关系并揭示相关的见解。

读芯术 ·  3天前
在理解通用逼近定理之前,你都不会理解神经网络

从字面上看,通用近似定理是神经网络起作用的理论基础。然而,最重要的是,该定理令人惊讶地解释了为什么神经网络似乎表现得如此聪明。 理解它是发展对神经网络的深刻理解的关键一步。

闻数起舞 ·  3天前
机器学习工程师正在失业,但学习依旧是唯一的出路

人工智能(AI),机器学习(ML)和数据科学(DS)几个领域最先出现收缩是合情合理的,因为对大多数企业来说这些都是奢侈品。

大数据文摘 ·  3天前
MIT开发出造梦机器,「美梦孵化器」为你定制真人版盗梦空间

美国麻省理工(MIT)的一组天才研制出了一种实验装置,能让佩戴者在睡觉时触发特定的梦境体验。

佚名 ·  2020-07-31 14:59:20
为什么说机器学习是预防欺诈的优秀工具?

随着现代技术的发展和完善,生活变得越来越舒适。虽然以前人们认为同时进行复杂的操作是不可能的,而如今计算机使这一任务变得很容易了。

Giorgi ·  2020-07-29 08:34:30
Copyright©2005-2020 51CTO.COM 版权所有 未经许可 请勿转载