线性代数与微积分总览
2019-05-02 15:11:43
•
阅读
打赏
机器学习需要的基础数学知识和编程知识
-
掌握入门级代数知识。 了解变量和系数、线性方程式、函数图和直方图（熟悉对数和导数等更高级的数学概念会有帮助，但不是必需条件）。
-
熟练掌握编程基础知识，具有一些使用 Python 进行编码的经验。 应该能够熟练阅读和编写包含基础编程结构（如，函数定义/调用、列表和字典、循环和条件表达式）的 Python 代码。
代数
线性代数
三角学
统计信息
- 均值、中间值、离群值和标准偏差
- 能够读懂直方图
微积分（适合高级主题）
Python 编程
基础 Python
Python 教程中介绍了以下 Python 基础知识：
-
for 循环：包含多个迭代器变量的 for 循环（例如 for a, b in [(1,2), (3,4)]）
-
字符串格式（例如 '%.2f' % 3.14）
-
变量、赋值、基本数据类型（int、float、bool、str）
中级 Python
Python 教程还介绍了以下更高级的 Python 功能：
第三方 Python 库
Matplotlib（适合数据可视化）
Seaborn（适合热图）
- heatmap 函数
Pandas（适合数据处理）
NumPy（适合低阶数学运算）
scikit-learn（适合评估指标）
- metrics 模块
相关推荐
深度学习 -- 损失函数
深度残差网络（Deep Residual Networks (ResNets)）
深度学习 -- 激活函数
神经网络训练 -- 调整学习速率
生成对抗网络（GAN）改进与发展
生成对抗网络（GAN）优点与缺点
生成对抗网络（GAN）的训练
生成对抗网络（GAN）基本原理
生成模型与判别模型