度秋数学:零基础小白的福利,每天10分钟学AI
度秋观点1:次序不同,格局不同

学人工智能的人群分两类,一种是将数学当做人工智能的工具,另一类人是将人工智能当数学的工具。首先要扪心自问一下,看看自己属于哪类人?然后反思一下,看看是否正确。田忌赛马的故事,流传至今,说明了一个道理:调整一下顺序,格局完全不一样。上面的两类人的认知上的区别,无非就是顺序上的差异。

度秋观点2:按照知识点去学习,量化学习效果,才是最好的学习方式

每个知识点,犹如上图中的神经元,而每个科目包含多个知识点,一个科目可以看做上图的某个层。

理解一个科目的知识点,然后学习下一个科目的知识点,这个过程,就是一次前向传播(forword propagation)。

把知识点学习了一遍,但是发现了问题,与想象中的效果不一样:仍然无从下手,或者在工作中经常遇到了问题,似曾相识但是不知道怎么办。这个时候,需要回头再复习一遍,进行查缺补漏,这个过程就是反向传播(backward propagation)。

上面提到学习完了之后,发现了问题:与想象中的效果不一样,这个度量的标准,就是损失函数(cost function)。损失函数用来定量评估在特定输入值下,计算出来的输出结果距离这个输入值的真实值有多远,然后不断调整每一层的权重参数,使最后的损失值最小。这就是完成了一次反向传播。损失值越小,结果就越可靠。

知识点分为:外形,内涵,外延,三个部分。我们未必一下子就能吃透,而是有一个过程,这个过程可能是先了解了外形,然后懵懂了内涵,后来顿悟了外延。了解,懵懂,顿悟,这些执行的过程,就是激活函数(activation function)。激活函数一般是非线性函数,也就是每个神经元通过这个函数将原有的来自其他神经元的输入做一个非线性变化,输出给下一层神经元。激活函数实现的非线性能力是前向传播很重要的一部分。

人本身就是机器,人的学习,本质也是机器在学习。其实,明白了人的学习过程,会帮助大家理解机器学习的过程。

度秋观点3:数学的学习不要死记公式,要多看课外读物,培养数学的兴趣

数学内参

高数内参 概率与统计内参 线性代数内参
凸优化内参 数据结构内参

Python内参

Python内参 Anaconda内参 Pycharm内参

人脸识别内参

OpenCV内参