数学不好还学什么AI人工智能!

人工智能与数学之间的关系可归纳为:

在AI领域工作的不懂数学的人就像一个不懂得说服的政治家。 两者都有一个不可避免的区域可供使用。

现在,在你全部紧张起来之前,因为互联网上的某个人只是告诉你你需要数学,放松一下。 你确实需要数学,但你不需要全部。 另外,我将在本文末尾告诉你秘诀。 但首先,你真的需要什么样的数学?

线性代数:这是您绝对需要熟悉的数学的一部分。 即使你只想成为一名深度学习的实践者,而不是研究者,你仍然需要线性代数。 为什么?

因为几乎所有数据都将采用多维矩阵的形式。 您将使用代码进行的许多魔术将要求您了解此类矩阵的操作。这绝对是你应该学习的东西。

微分学:如果你只是想在深度学习中创造一些有趣的项目,那么这个并不是绝对必要的。 但是,如果你想深入了解事情是如何运作的,或者你想进行一些研究,那么你需要在你的工具带中使用这个工具。

统计:由于您将处理大量数据,并且您还需要操作,理解和可视化这些数据,因此您需要统计数据。

概率:如果你进入一些严肃的应用程序,那么你也需要概率,因为通过任何类型的深度学习,你将处理概率。 严重的应用,如自动驾驶汽车,人工智能等将要求您使用概率模型。 但是对于一些轻量级深度学习,你不需要太多。

就数学而言,这几乎就是深度学习所需要的。 如果你只是想玩深度学习并做一些轻量级项目来获得乐趣,那么只要熟悉这些概念就可以了。 但是,如果你想进入完整的研究模式,那么你需要非常精通这些东西。

此外,您不需要成为数学向导来深入学习从业者。 您只需要学习线性代数和统计学,并熟悉一些微积分和概率。

现在,正如我所承诺的,秘密酱。 如果您感到被数学所吓倒,这是您不进入深度学习或任何其他领域的唯一理由,那么这个秘诀就是为您服务。 秘诀就是:学习数学的唯一方法是做数学 - 保罗·哈尔莫斯。

如果你想更加了解人工智能,或者说想实践一下人工智能项目,谷歌的另一款工具或许可以帮到你,也就是谷歌的AIY Projects项目。 AIY Vision Kit附带的软件运行三个基于TensorFlow的神经网络。 其中一个基于谷歌的MobileNets平台,能够识别超过1,000个日常物品。 第二个可以在图像中发现面部和表情。 最后一个是专门用于识别猫,狗和人的神经网络。

  • 发表于:
  • 原文链接https://kuaibao.qq.com/s/20181217A0TDKF00?refer=cp_1026
  • 腾讯「云+社区」是腾讯内容开放平台帐号(企鹅号)传播渠道之一,根据《腾讯内容开放平台服务协议》转载发布内容。
  • 如有侵权,请联系 yunjia_community@tencent.com 删除。

扫码关注云+社区

领取腾讯云代金券