深度学习数学知识点

  • 一、线性代数
  • 二、概率论
  • 三、微积分
  • 四、凸优化
  • 参考资料

一、线性代数

书籍&视频

  • 李宏毅线性代数
  • MIT Linear Algebra

知识点

1)线性空间及线性变换

2)矩阵的基本概念

3)状态转移矩阵

4)特征向量

5)矩阵的相关乘法

6)矩阵的QR分解

7)对称矩阵、正交矩阵、正定矩阵

8)矩阵的SVD分解

9)矩阵的求导

10)矩阵映射/投影

11)矩阵的秩

12)矩阵的特征值和特征空间

二、概率论

书籍&视频

  • MIT Introduction to Probability and Statistics

知识点

1)微积分与逼近论

2)极限、微分、积分基本概念

3)利用逼近的思想理解微分,利用积分的方式理解概率

4)概率论基础

5)古典模型

6)常见概率分布

7)大数定理和中心极限定理

8)协方差(矩阵)和相关系数

9)最大似然估计和最大后验估计

二项分布和泊松分布的区别和联系

参考资料

  • 互联网公司 概率面试题整理
  • 面试中的概率题
  • 2019 校园招聘算法面试概率题

三、微积分

  • TODO

四、凸优化

1)凸优化基本概念

2)凸集

3)凸函数

4)凸优化问题标准形式

5)凸优化之Lagerange对偶化

6)凸优化之牛顿法、梯度下降法求解

拉格朗日乘子法能否求解非凸的目标函数问题?

参考资料

  • 如何看懂深度学习论文里的数学原理部分?
    • 超级推荐!Mathematics for Machine Learning
    • 图解机器学习的数学基础专辑(完结)总结:who, why, what
  • 《深度学习》圣经中有应用数学基础部分
  • 优秀的程序员需要懂那些数学知识?
  • 有什么深度学习数学基础书推荐?
  • 机器学习理论篇1:机器学习的数学基础
  • 图像处理中的数学方法
  • MIT数学课程
  • 优秀的程序员需要懂那些数学知识?
  • Free online math resources for Machine Learning

你可能感兴趣的:(深度学习,人工智能)