1. 数学导论 - 概述

因为部分自媒体上无法显示公式,为了方便,有的地方我是直接整段截图。和文章字体不一致的部分还望见谅。

Hi, 大家好。又见面了,我是茶桁。

在之前的一个多月前,我有了一个写一个 AI 系列的想法,起名为《茶桁的 AI 秘籍》,简单规划之后,于 7 月 27 日发出预告,然后历时二十多天将近一个月,完成了其中《Python 篇》的写作。

不知道其中的内容对大家是否有帮助呢?

那么今天我又回来了,根据规划,Python 以及相关第三方科学计算库只是我们基础工作的一小部分,而很大一部分基础工作都还未进行。

那么这次,我依然给大家带来的是基础部分,让我们进入《Math - 数学篇》。

数学对于计算机编程来说重要性是毋庸置疑的,更何况我们现在不仅仅是编程,而是走在「人工智能」的路上。可以说,数学应该是最重要的基础。那从本节课开始,就让我们进入「人工智能的数学基础课」。

我们在学习 AI 的过程当中可能会遇到的一些关于数学方面的一些东西,比如说线性代数里面的这个矩阵运算,比如说这个求导,还有一些概率统计,图论方面的一些东西。

如果您觉得自己对于微积分,线性代数,概率统计这些内容自认为掌握的还不错的同学,其实是可以不用看了。如果大家是从文科转过来或者说以前上的数学很多年了也忘的差不多了,那可以来听听这些课。

本节课的内容是「数学篇」的第一节课。本节是一个导论。我会为大家介绍一下这门课一些理论,还有微积分、线性代数、概率统计里面一些比较基础、和 AI 结合非常紧密的一部分,难度并不会很大。觉得自己数学能力还是不错的,这第一节课呢可以不用看,可以直接去看后面的课程。第一节课,我们放松一点。这节课难度真的不会特别的大,主要是带大家了解一些比较有趣味性以及 AI 方面一些基础性的数学知识。

此文章为公众号收费文章,更多内容请阅读原文:1. 数学导论 - 概述, 更多「AI 秘籍」内容请查看「茶桁的 AI 秘籍」

欢迎关注「坍缩的奇点」,解锁更多高质量人工智能原创文章。

卡尔曼滤波器的非数学介绍

如果你想查看的话,本文的代码可以在我的Github上查看。

卡尔曼滤波器非常巧妙。如果你从未听说过卡尔曼滤波器,那么一种非常直观(也可以说是还原)的思考方式就是将其视为一个漏斗,在这里你可以从多个嘈杂的信息源中获取信息,并将其浓缩为一个更精确的统计数据。

阅读更多