伦敦帝国理工学院 134页《深度学习数学基础笔记》(附下载)

【导读】本期分享为大家带来了来自伦敦帝国理工学院的《深度学习数学基础笔记》，希望大家喜欢。

介绍：

这些课堂讲稿来自于伦敦帝国理工学院的深度学习数学讲稿笔记，其目标在于为学生们提供基本的数学背景以及必要的技能，来理解、设计、实施现代的统计机器学习方法与推理机制，例如PCA（Principal Component Analysis）、Linear Discriminant Analysis、Bayesian Linear Regression 与 SVM（Support Vector Machines）。

掌握了深度学习中的数学基础后，同学们便可以逐步对深度学习模型进行探索，并随着领域的细分，逐步将研究方向聚焦于某个具体问题，正式进入研究阶段了。

笔记大纲：

线性回归

先行回归出现在多个多样化的问题中，是一个基本问题，其中包括事件序列分析、控制和机器人学科、优化问题、深度学习应用中，为了寻找回归函数，需要以下几部分：参数选择、参数搜索、概率模型、过拟合与模型选择。

特征抽取

本章将重点讨论向量和矩阵的线性代数的使用，为了定义基本特征提取和降维方法，我们将研究特定的线性分解，如特征分解、对角化、QR分解、奇异值分解等，上述代数分解将用于制定流行的线性特征提取方法，如主成分分析和线性判别方法等。

支持向量机

在本章中，我们将讨论有约束条件的二次优化问题，以便更详细的了解拉格朗日乘数的方法工作。此外，我们将研究如何建模dual optimisation problem问题，进而，研究SVM的分类和回归问题。

请关注专知公众号（扫一扫最下面专知二维码，或者点击上方蓝色专知）

• 后台回复“LNMML” 就可以获取自监督学习指南的下载链接~ 

附笔记全文：

-END-

专 · 知

人工智能领域26个主题知识资料全集获取，关注专知公众号，后台回复关键词如NLP、CV等获取更多专业资料。

加入专知人工智能服务群: 欢迎微信扫一扫加入专知人工智能知识星球群，获取专业知识教程视频资料和与专家交流咨询！

请PC登录www.zhuanzhi.ai或者点击阅读原文，注册登录专知，获取更多AI知识资料！

请加专知小助手微信（扫一扫如下二维码添加），加入专知主题群（请备注主题类型：AI、NLP、CV、 KG等）交流~

 AI 项目技术 & 商务合作：bd@zhuanzhi.ai, 或扫描上面二维码联系！

请关注专知公众号，获取人工智能的专业知识！

点击“阅读原文”，使用专知