No tengo una sólida formación en matemáticas, ¿qué debo aprender en matemáticas para poder dominar el aprendizaje automático y la inteligencia artificial?

Creo que las áreas más importantes de las matemáticas para el aprendizaje automático son, en orden decreciente:

Álgebra lineal
Probabilidades y estadísticas
Cálculo (incluido el cálculo multivariante)
Mejoramiento

Después de eso, creo que se cae rápidamente. También he encontrado útil la teoría de la información. Puede encontrar cursos sobre todos estos en Coursera o en la mayoría de las universidades.

Si bien es difícil argumentar en contra de saber más matemáticas, creo que el nivel de matemáticas necesario para hacer el aprendizaje automático de manera efectiva, o para obtener un doctorado en aprendizaje automático, ha disminuido con los años. Esto se debe a que el aprendizaje automático se ha vuelto más empírico (basado en experimentos) y menos teórico, especialmente con el surgimiento del aprendizaje profundo.

Como estudiante de doctorado, me encantaba el análisis real, y también estudié geometría diferencial, teoría de medidas y geometría algebraica. Si bien es mejor que conozca estas áreas, en un mundo en el que tiene un tiempo limitado, considere pasar más tiempo estudiando el aprendizaje automático e incluso estudiando algunos de los otros fundamentos técnicos para construir sistemas de inteligencia artificial, como los algoritmos que subyacen en la construcción de sistemas de big data y cómo organizar bases de datos gigantes, además de HPC (informática de alto rendimiento).

¡La mejor de las suertes!

Aprendizaje automáticoInteligencia ArtificialPregunta personal

¿Cuáles son ejemplos de problemas que los humanos son mucho mejores para resolver en comparación con las computadoras?

¿Cómo logran las redes neuronales para imágenes / caras la invariancia traslacional ('colapsar' la misma cara en diferentes regiones de la imagen en la misma salida)?

Quiero investigar para un laboratorio de IA del calibre de Deep Mind o Google Brain. ¿Estoy condenado si no entro en un programa de doctorado mejor clasificado?

¿Qué métodos están disponibles en el procesamiento del lenguaje natural para cuantificar las emociones?

¿Puedo arreglar el conector WiFi de mi computadora portátil?

¿Hay repositorios de investigación en línea para la investigación de inteligencia artificial?

He respondido una pregunta similar anteriormente. Aquí hay un extracto de esa respuesta.

Se requerirá álgebra lineal, probabilidad y cálculo. Enfoque su estudio desde una perspectiva de herramientas, es decir, aprenda sobre un tema cuando lo encuentre y sea muy claro sobre por qué ese tema es importante.

Primera sección del libro Deep Learning. Introducción agradable y amable a los conceptos matemáticos relacionados con el aprendizaje automático.

Esencia de álgebra lineal y esencia de cálculo. Serie de videos cortos de Youtube que proporcionan una intuición muy hermosa sobre álgebra lineal y cálculo. Por ejemplo, ¿sabía que el determinante describe cómo el espacio es escalado y transformado por una matriz?

El cálculo hecho fácil por Thompson. Recientemente me topé con este texto (alguien publicó en Twitter) y me enamoré. Da una buena introducción superficial al cálculo.

Análisis de sistemas de probabilidad MIT y probabilidad aplicada. Va un poco lento para mi gusto pero cubre todos los temas principales.

Notas del curso de Métodos matemáticos para visión artificial, robótica y gráficos. Recomiendo volver a la Academia Khan para obtener materiales complementarios.

Métodos matemáticos para ingenieros 1 y 2. Curso MIT sobre matemáticas aplicadas. Algunos métodos relevantes para la IA y otros no. Miro conferencias selectas cuando estoy revisando algún material.

Nikhil Badugu

“Un científico de datos es alguien que es mejor en estadística que cualquier ingeniero de software y mejor en ingeniería de software que cualquier estadístico”.

-Josh Wills

Las matemáticas y las estadísticas junto con la programación forman la base básica de la ciencia de datos. Creo firmemente en el dicho “Más profundas las raíces, más altos crecen los árboles”. Por lo tanto, es de suma importancia tener un amplio conocimiento de estos temas. También enumeraré un par de libros con autores para hacer referencia a enriquecer su conocimiento de las estadísticas, pero también enumeraré los temas que se utilizan en la ciencia de datos para que sepa qué aprender y cuánto aprender.

Matemáticas y Estadística

Álgebra lineal
Variables aleatorias
Distribuciones estadísticas
Teoría de la probabilidad (Cálculo de MGF, CGF, media, mediana, modo, varianza Máxima probabilidad de expectativa, teoremas del límite central, ANOVA)
Cálculo
Montaje de una distribución.
Muestreo
Prueba de una hipótesis.
Modelado Bayesiano
Regresión y series de tiempo
Teorema ingenuo de Bayes
Mejoramiento
Regresión y series de tiempo

Libros para leer :-

También le recomendaría que se dedique todo el tiempo que tome para completar esto. No se aprende con el tiempo como restricción.

Descargo de responsabilidad: soy cofundador de @GreyAtom y ayudo a talentos de ingeniería a encontrar carreras sostenibles en tecnologías emergentes.

El programa insignia altamente selectivo de GreyAtom tiene como objetivo orientar a los profesionales que trabajan y los más novedosos en el inicio de su carrera de ciencia de datos. Los estudiantes crearon proyectos a partir de conjuntos de datos REALES y declaraciones de problemas proporcionadas por nuestra industria y socios de contratación. El programa se basa en el aula y está fuertemente orientado a la práctica. GreyAtom es un ecosistema donde los estudiantes pueden aprovechar lo mejor de la academia, profesionales de la industria y personas influyentes.

Algunos enlaces rápidos

Programa – http://www.greyatom.com/full-sta …
Chatee con un consejero académico: le invitamos a compartir todas sus dudas e inseguridades, a las que haremos todo lo posible para guiarlo hacia su camino profesional hacia el éxito. https://calendly.com/greyatom/co …

Andrew Ng

Haz este curso, eso te ayudará a comprender los detalles sobre las matemáticas en ML.

https://www.coursera.org/learn/m …

Álgebra lineal de la Academia Khan, probabilidad y estadística, cálculo multivariable y optimización.

Libro de Larry Wasserman – Todas las estadísticas: un curso conciso en inferencia estadística.

Álgebra lineal – Fundamentos a las fronteras en edX

Introducción de Udacity a las estadísticas.

Esperanza, esto te ayuda 🙂

Nikhil Badugu

More Interesting

¿Quién creó la primera IA?

¿Por qué imaginamos (y creamos en algunos casos) robots con forma humana?