Математична база для алгоритмів видобутку даних та штучного інтелекту

12

Не могли б ви дати мені уточнення щодо алгоритмів видобутку даних та штучного інтелекту? Яку базу математики вони використовували? Не могли б ви дати мені вихідну точку з математики для розуміння цих типів алгоритмів?

— kjetil b halvorsen
джерело

Для прикладу Девід Ферруччі, який керував перемогою IBM DeepQA / Watson на Jeopardy, сказав, що йому судилося бути гібридною системою: команда з 20-25 чоловік протягом 4 років з різних дисциплін, включаючи NLP, обчислювальну лінгвістику, гру теорія, стохастика та оптимізація та інші дисципліни працювали над цим.

Топ-10 алгоритмів обміну даними дає чіткий огляд надихаючих та провідних алгоритмів. Боюся, вам потрібно буде надати більше деталей (які програми? Який рівень деталей?), Щоб отримати корисні відповіді.

— chl

5

Це насправді може звучати трохи дивно в межах спільноти статистиків, але я впевнений, що більшість алгоритмів машинного навчання можна сформулювати як функціональну проблему мінімізації. Це означає, що це буде охоплено математичною оптимізацією .

Інша справа, що вам, мабуть, знадобиться обчислення та лінійна алгебра, щоб зрозуміти, що таке оптимізація. І щоб інтерпретувати свої результати, вам краще мати певну основу в теорії ймовірностей та статистиці .

— Дмитро Лаптєв
джерело

Це суто спільнота статистиків, чи є кращий сайт обміну стеками для машинного навчання людей, я не впевнений, що є спеціалізований?

— image_doctor

1

Я не знаю конкретного сайту для обміну стеками машинного навчання. Але в цьому ви можете знайти багато людей "машинного навчання" (наприклад, я), оскільки статистика та машинне навчання насправді дуже-дуже пов'язані.

— Дмитро Лаптєв

1

Це питання може бути широким, ви повинні сказати щось більше про те, для чого будете використовувати майнінг даних! Але обмін даними - це, по суті, статистика, і велика частина використання AI, яку я бачив, - це також статистика. Отже, яка математика вам потрібна, математика вам потрібна для статистики: 1) обчислення та реальний аналіз 2) ймовірність 3) лінійна алгебра! На практиці 3) може бути найважливішим; майже все, що ви будете робити (включаючи використання 1) та 2)) сильно залежатимете від лінійної алгебри. Тож обов’язково отримайте не тільки поняття, а й маніпулятивну майстерність!

Використовується набагато більше, але, можливо, більш спеціалізоване. Тому немає сенсу давати більш детальну пораду, поки ви не спеціалізуєте своє питання (і дізнаєтесь 1), 2) і 3))

— kjetil b halvorsen
джерело

0

Здається справедливим питанням, яку математику я повинен вивчити як фундамент машинного навчання?
Можливо, це відповідь широкий. Як МЛ черпає з багатьох дисциплін.

Інші пропонують лінійну алгебру, теорію ймовірностей, статистику, метричні простори та багато інших, які є актуальними.

Можливо, працездатним підходом є перерахування деяких найпопулярніших алгоритмів ML, погляньте на них і заповніть математику, яку ви відчуваєте, що вам менше комфортно.

— image_doctor
джерело