01

人工智能的浪潮已席卷全球，“人工智能（AI）”、“機(jī)器學(xué)習(xí)”、“深度學(xué)習(xí)”等詞匯經(jīng)常出現(xiàn)在我們的視線中，同時(shí)絕大部分人也往往搞不清這些看起來(lái)很高大上的詞匯之前有何異同。

概括來(lái)說(shuō)，“機(jī)器學(xué)習(xí)”是目前實(shí)現(xiàn)“人工智能”最主流的一種方法；機(jī)器學(xué)習(xí)中有一種叫“神經(jīng)網(wǎng)絡(luò)（學(xué)習(xí)）”的算法，當(dāng)神經(jīng)網(wǎng)絡(luò)層數(shù)≥8層時(shí)，便可稱(chēng)為“深度學(xué)習(xí)”。

也就是說(shuō)，要想進(jìn)軍人工智能，機(jī)器學(xué)習(xí)務(wù)必學(xué)好，神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)則是機(jī)器學(xué)習(xí)縱向發(fā)展的方向之一。

而機(jī)器學(xué)習(xí)，不僅僅要求能敲代碼，對(duì)數(shù)學(xué)也有一定的要求。

（說(shuō)不需要數(shù)學(xué)基礎(chǔ)也能學(xué)好機(jī)器學(xué)習(xí)的，那都是耍流氓！）

數(shù)學(xué)基礎(chǔ)不扎實(shí)，只會(huì)用一些機(jī)器學(xué)習(xí)的工具和框架，就好比學(xué)功夫只學(xué)其形不學(xué)其神，空有花架子，碰到實(shí)戰(zhàn)就一定是鼻青臉腫。

02

機(jī)器學(xué)習(xí)需要哪些數(shù)學(xué)基礎(chǔ)呢？

1. 線性代數(shù)：向量、向量的點(diǎn)積與叉積、行列式、代數(shù)余子式、矩陣、矩陣和方程組、矩陣的秩、逆矩陣、高斯—諾爾當(dāng)消元法、消元矩陣與置換矩陣、矩陣的LU分解、歐幾里得距離、曼哈頓距離、切比雪夫距離、夾角余弦等；

2. 高等代數(shù)：導(dǎo)數(shù)、微分、不定積分、定積分、弧長(zhǎng)、偏導(dǎo)、多重積分、范數(shù)、參數(shù)方程、極坐標(biāo)系、柱坐標(biāo)系、球坐標(biāo)系、梯度、梯度下降算法、方向?qū)?shù)、線性近似、二階近似、泰勒公式、牛頓法、zuixiao二乘法、求解極值、拉格朗日乘子法、KKT條件、歐拉—拉格朗日方程等；

3. 概率論與統(tǒng)計(jì)學(xué)：概率、期望、古典概型、幾何概型、互斥事件、獨(dú)立事件、分布函數(shù)、離散型分布、連續(xù)型分布、假設(shè)檢驗(yàn)、貝葉斯公式等。

03

實(shí)驗(yàn)樓近期上線了新課《機(jī)器學(xué)習(xí)數(shù)學(xué)基礎(chǔ)》，課程共包含3個(gè)實(shí)驗(yàn)、3個(gè)挑戰(zhàn)，融合了大部分機(jī)器學(xué)習(xí)需掌握的數(shù)學(xué)知識(shí)。

通過(guò)課程，你將學(xué)到以下知識(shí)點(diǎn)：

• 標(biāo)量、向量與張量
• 矩陣加法和乘法
• Python 的廣播機(jī)制
• 單位矩陣
• 矩陣的轉(zhuǎn)置
• 矩陣的逆
• 特征值分解和奇異值分解
• 主成分分析法
• 函數(shù)
• 導(dǎo)數(shù)與偏導(dǎo)數(shù)
• 鏈?zhǔn)椒▌t
• 梯度下降算法
• 最小二乘法
• 條件概率公式
• 全概率公式
• 貝葉斯公式
• 概率分布
• 數(shù)學(xué)期望
• 方差和協(xié)方差假設(shè)檢驗(yàn)

點(diǎn)擊《機(jī)器學(xué)習(xí)數(shù)學(xué)基礎(chǔ)》，即刻開(kāi)啟機(jī)器學(xué)習(xí)入門(mén)之旅！

總結(jié)

以上是生活随笔為你收集整理的搞机器学习需要数学基础吗？的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。