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