对于人工智能的数学基础表示不明 20C

人工智能下面分很多

但是在学习之前是要有一定的数学基础, 我下学期想选机器学习和计算机视觉还有计算机图像处理,请大神能将下面的数学基础分一下类, 以下数学基础分别属于哪一门课,拜谢!

我在网上买了一些课程, 目录如下:

• 1.0-本微专业概述

• 1.1-线性回归建模

• 1.2-无约束优化梯度分析法(上)

• 1.3-无约束优化梯度分析法(下)

• 1.4-无约束迭代法

• 1.5-线性回归求解

• 1.6-案例分析

• 1.0-本微专业概述PPT

• 第二章 深度学习反向传播
• 2.1-回归与分类、神经网络

• 2.2-BP算法(上)

• 2.3-BP算法(下)

• 2.4- 计算图

• 第一章 凸优化基础
• 1.1-一般优化问题

• 1.2-凸集和凸函数基础(上)

• 1.3-凸集和凸函数基础(下)

• 1.4-凸优化问题

• 1.5-案例分析

• 第一章 凸优化基础PPT

• 第二章 凸优化进阶之对偶理论
• 2.1-凸优化问题

• 2.2-对偶(上)

• 2.3-对偶(下)

• 2.4-问题案例

• 第二章 凸优化进阶之对偶理论PPT

• 第三章 SVM
• 3.1-问题案例

• 3.2-SVM 建模-成片

• 3.3-SVM 求解-成片

• 3.4-SVM 扩展,附案例-成片

• 第三章 SVM PPT

• 第一章 矩阵分析上篇
• 线性代数基础与精华

• 特征分解

• PCA
• 第一章 矩阵分析上篇 PPT

• 第二章 矩阵分析下篇
• 特征分解复习

• SVD理论

• 矩阵其他重要知识及实际应用

• 第二章 矩阵分析下篇 PPT

• 第一章 概率统计上篇
• 事件

• 随机变量及其数字特征

• 人工智能中常见分布和实战案例
第一章 概率统计上篇PPT

• 第二章 概率论统计中篇
• 数理统计

• 线性回归与逻辑回归

• 贝叶斯的观点和案例实战

• 第二章 概率论统计中篇PPT

• 第三章 概率论统计下篇
• 聚类、GMM模型

• EM算法

• 第三章 概率论统计下篇PPT

3个回答

不用专门学数学,如果你大学数学的三门课(高数、线代、概率)都及格的话。机器学习用到的数学,在机器学习的课上都会专门讲的。
很多东西听上去名词很多,但是落实下来就是套公式。而实际开发,连公式人家的库都封装好了,只要会调参。

我之前分享了一套视频,专门讲解这方面的数学的,https://download.csdn.net/album/detail/4599

caozhy
贵阳老马马善福专业维修游泳池堵漏防水工程 回复Pfeffer: 机器视觉我不是很清楚,但是你应该去学下数字信号处理(dsp)和计算机图形学(cv)
10 个月之前 回复
Pfeffer
Pfeffer 主要是我下学期这个课实际上是不开的,教授去搞研究,所以想让您帮忙分一下类,我好自学。我本科的时候没有概率论,因为我是其他专业转过来的,跪求分一下类,您说的也只是机器学习,计算机视觉呢?
10 个月之前 回复

线性代数
微积分
概率论

建议教程选一些比较经典的书籍。

数值线性代数,最优化,概率论
这是Ian Goodfellow等人deep learning一书中的观点。

Csdn user default icon
上传中...
上传图片
插入图片
抄袭、复制答案,以达到刷声望分或其他目的的行为,在CSDN问答是严格禁止的,一经发现立刻封号。是时候展现真正的技术了!
立即提问