踏入AI领域,这些数学基础一定要打好

2017 年 11 月 15 日 雷锋网 AI慕课学院

2017年LinkedIn(领英)发布的《全球AI领域人才报告》显示,过去三年间,通过领英平台发布的AI职位数量从2014年的5万飙升至2016年的44万,增长近8倍。

人工智能市场发展迅猛,层出不穷的新算法和新工具让人目不暇接。但是支撑其发展的基础——数学理论,却一直未变。

对于初学者来说,它是人工智能入门的基石若是学习初期囫囵吞枣,往往会在算法出现accuracy不好、loss很高、模型已经overfitting的时候,才后悔没有好好掌握基础的数学理论。

对于专业的Researcher来说,从大学到现在,课堂上学的和自学的数学其实不算少了,可是在研究的过程中总是发现需要补充新的数学知识,如Learning、Vision等都是很多种数学的交汇场。

可见数学在AI技能进阶之路上有着极其重要的地位,但数学是一门庞大的学科,全面掌握难度较大,针对机器学习及具体的AI应用领域我们还是需要有的放矢地进行学习。

以下是一位AI从业者总结的机器学习所需的数学基础模块,从中我们不难发现:

  • 线性代数、概率论与统计是机器学习中最重要且不可缺少的

  • 微积分则是数学分析体系的基础,其基础性作用不言而喻

  • 一些复杂算法也是会被广泛应用在机器学习场景中,可见看凸优化也是机器学习数学基础中的重要一环

    图片来自rokia.org

的确,目前机器学习最主流的两大类方法的基础:一种是以研究函数和变换为重点的代数方法,比如Dimension reduction,feature extraction,Kernel等;一种是以研究统计模型和样本分布为重点的统计方法,比如Graphical model, Information theoretical models等。它们侧重虽有不同,但是常常是共同使用,这就更加强调了数学基础的重要性。

看完这些,你是否想重新捡起数学学习教材?

对于广大非数学科班出身的初学者来说,学习“线性代数、矩阵、概率论、凸优化”这几门课程,不仅费时费力,而且很难完全吃透课程里的知识点。

基于这一学习“刚需”,AI慕课学院联手雷锋网推出机器学习系列基础课程,力邀学术精英和工业界讲师亲自授课。在大家起步机器学习之前,开设“线性代数及矩阵论、概率论与统计、凸优化”3门基础数学课程,帮助大家夯实数学基础。

本期先为大家详尽介绍《机器学习必修之线性代数及矩阵论》!(拼团优惠进行中>>>直戳文末)

1

一、导师背景


蔡佳老师

广东财经大学特聘教授,香港城市大学数学系博士。从事机器学习研究有近10年的历史,发表10多篇SCI论文,在机器学习理论授课方面有着丰富的经验。

2

二、课程5大亮点


1、名师授课
蔡佳老师从事机器学习研究有近10年的历史,发表10多篇SCI论文,在机器学习理论授课方面有着丰富的经验。

2、课程内容基础,有的放矢
聚焦机器学习所需的数学基础开展课程,免去不必要的知识点,让学习一步到位。

3、百人微信学习群
所有报名学员都将进入微信学习群,蔡佳老师同步学习资料和素材进群,了解大家的学习进度。

4、讲师、助教实时解答
除了蔡佳老师集中时间答疑之外,学习群配备2-3名课程助教,第一时间解答大家学习过程中遇到的问题。有助教,学习更省力。

5、价格优惠,先买先得!
单门课程价格399元,套餐课程原价699元,拼团价399-599元不等,抢到就是赚到,快来拼团吧!

3

三、课程大纲


4

四、开课前的准备


  • 高中基础即可入门线性代数部分内容

  • 后期涉及矩阵的内容,需要再简单回顾高等数学基础(理工科微积分知识) 

5

五、适合人群


  • 有兴趣今后从事机器学习领域的工作者

  • 希望掌握线性代数、矩阵论的一些应用的人员

6

六、价格与优惠


原价:399元/门,三门打包价699元

团购价及老学员优惠:请咨询客服,微信ID:aimooc-xm

7

七、报名与咨询


1、进入课程页面,点击“报名”即可直接购买

课程地址:http://www.mooc.ai/course/276

2、扫码进入课程咨询群,提前组队专享团购优惠!

拼团11月14日准时开启,三门课程最低拼团价低至399元!

登录查看更多
7

相关内容

《深度学习》圣经花书的数学推导、原理与Python代码实现
中科大-人工智能方向专业课程2020《脑与认知科学导论》
【EMNLP2019教程】端到端学习对话人工智能,附237页PPT下载
专知会员服务
67+阅读 · 2019年11月25日
深度学习界圣经“花书”《Deep Learning》中文版来了
专知会员服务
230+阅读 · 2019年10月26日
做机器学习和AI必备的42个数学知识点
AI前线
8+阅读 · 2018年12月6日
数学是普通程序员入门人工智能的最大障碍
算法与数据结构
11+阅读 · 2018年7月27日
一文掌握高薪行业必备数学知识(附学习资源)
算法与数学之美
7+阅读 · 2018年6月7日
学习人工智能需要哪些必备的数学基础?
数学不好能搞人工智能吗?
算法与数学之美
3+阅读 · 2017年11月27日
搞人工智能必备“数学库”
机器学习算法与Python学习
5+阅读 · 2017年11月20日
数学不好,如何转行人工智能?
算法与数学之美
4+阅读 · 2017年11月17日
【回顾】AI小白的机器学习入门之路
AI研习社
5+阅读 · 2017年11月16日
【回顾】机器学习中的数学基础
AI研习社
6+阅读 · 2017年11月7日
Arxiv
14+阅读 · 2020年1月27日
Arxiv
4+阅读 · 2019年9月26日
Meta-Learning with Implicit Gradients
Arxiv
13+阅读 · 2019年9月10日
Arxiv
12+阅读 · 2019年2月26日
Implicit Maximum Likelihood Estimation
Arxiv
7+阅读 · 2018年9月24日
Arxiv
5+阅读 · 2018年4月13日
VIP会员
相关资讯
做机器学习和AI必备的42个数学知识点
AI前线
8+阅读 · 2018年12月6日
数学是普通程序员入门人工智能的最大障碍
算法与数据结构
11+阅读 · 2018年7月27日
一文掌握高薪行业必备数学知识(附学习资源)
算法与数学之美
7+阅读 · 2018年6月7日
学习人工智能需要哪些必备的数学基础?
数学不好能搞人工智能吗?
算法与数学之美
3+阅读 · 2017年11月27日
搞人工智能必备“数学库”
机器学习算法与Python学习
5+阅读 · 2017年11月20日
数学不好,如何转行人工智能?
算法与数学之美
4+阅读 · 2017年11月17日
【回顾】AI小白的机器学习入门之路
AI研习社
5+阅读 · 2017年11月16日
【回顾】机器学习中的数学基础
AI研习社
6+阅读 · 2017年11月7日
Top
微信扫码咨询专知VIP会员