Линейная алгебра, статистика, вероятность, целевые функции, регуляризация, теория информации, оптимизация, распределение
Содержание
БЕСПЛАТНЫЕ ресурсы –
Глава 1. Линейная алгебра
Глава 2. Статистика
Глава 3. Вероятность
Глава 4. Целевые функции
Глава 5. Регуляризация
Глава 6. Теория информации
Глава 7. Оптимизация
Глава 8. Распространение
Этот этап отличается от книг, доступных в Интернете. Я включил все темы, необходимые для понимания всей архитектуры алгоритмов машинного обучения.
Примеры того, как и где используются эти математические уравнения, а также вопросы на собеседовании, которые можно задать инженеру ML при приеме на работу.
Мы будем изучать различные концепции индивидуально, преобразуя математические уравнения в выражения программирования Python, а также их примеры из реального мира.
БЕСПЛАТНЫЕ ресурсы →
Математика для машинного обучения
Алгебра, топология, дифференциальное исчисление и теория оптимизации для информатики и машинного обучения
Все темы по математике для машинного обучения Стэнфорда
Стэнфорд CS229: Курс машинного обучения | Лето 2019 (Ананд Авати)
Глава 1 — Линейная алгебра
Учитесь БЕСПЛАТНО — Математика для МО — Линейная алгебра
Математика для машинного обучения — Линейная алгебра
3 | Собственные значения и собственные векторы
4 | Разложение по сингулярным значениям (SVD)
Глава 2 — Статистика
Элемент статистического обучения
Статистика дает нам два инструмента: описательный и логический.
1 | Описательная статистика
2 | Выведенный статистика
2 | Центральная предельная теорема
6 | Дисперсионный анализ (ANOVA)
10 | Оценка максимального правдоподобия (MLE)
Глава 3. Вероятность
Теория вероятностей: логика науки
https://bayes.wustl.edu/etj/prob/book.pdf
«1 | Распределение вероятностей"
«2 | Условная возможность"
4 | Совместные и предельные вероятности
5 | Независимость и условная независимость
Глава 4. Целевые функции
1 | Среднеквадратическая ошибка (MSE)
2 | Средняя абсолютная ошибка (MAE)
4 | Бинарная перекрестная энтропия (логарифм потерь)
5 | Категориальная кросс-энтропия
6 | Оценка максимального правдоподобия (MLE)
7 | Разреженная категориальная кросс-энтропия
9 | Дивергенция Кульбака-Лейблера
Глава 5. Регуляризация
1 | Регуляризация L1 (лассо-регрессия)
2 | Регуляризация L2 (гребневая регрессия)
3 | Эластичная регуляризация сети
7 | Максимально-нормальная регуляризация
10 | Полная регуляризация вариаций
Глава 6 — Теория информации
Теория информации, логический вывод и алгоритмы обучения
Дэвид Маккей: Теория информации, распознавание образов и нейронные сети: Книга
«1 | Энтропия"
5 | Относительная энтропия (дивергенция Кульбака-Лейблера)
Глава 7 — Оптимизация
2 | Стохастический градиентный спуск (SGD)
3 | Мини-пакетный градиентный спуск
5 | Ускоренный градиент Нестерова (NAG)
6 | Адаград (алгоритм адаптивного градиента)
7 | RMSprop (среднеквадратичное распространение)
8 | Адам (Адаптивная оценка момента)
Глава 8 — Распространение
«2 | Биномиальное распределение"
3 | Полиномиальное распределение
4 | Нормальное (гауссово) распределение
6 | Экспоненциальное распределение
«7 | Распределение Пуассона"
Исчисление
Исчисление 1 | Математика | Ханская Академия
Дорожная карта машинного обучения, MLOps и GenerativeAI
Сентябрьская когорта ML 2023 г.
WhatsApp для чата или быстрого звонка
Хочу присоединиться к живой группе. Отправьте мне сообщение Привет здесь: https://wa.me/919074919189
PS: Станьте частью закрытого сообщества, это последняя когорта в 2023 году. Создайте сильное портфолио/личный бренд в области машинного обучения.
Действовать сейчас.
Ограниченное количество мест.
Регистрация завершится 31 августа 2023 года.
Вы работаете на руководящей должности и хотите узнать об искусственном интеллекте, машинном обучении и генеративном искусственном интеллекте?
Индивидуальный план действий с учетом ваших конкретных потребностей
Напишите мне «Я лидер» в WhatsApp (+91 9074919189).
OR
нажмите здесь: https://wa.link/7cnkyr
Поделитесь со мной своими требованиями по адресу [email protected]
Я подготовлю для вас дорожную карту.
Структура сессии →
- Понимание темы
- Реальные примеры
- Реализация на Python
- Вопросы на собеседовании по этой теме
- Вопросы для реализации в программировании
- Чтение одного блога или реакция на ресурс в области машинного обучения.
- Изучите по одной компании, нанимающей специалистов в области машинного обучения, и проанализируйте их продукты и услуги.
- Дискуссия «Как стать лучше?»
Обо мне (Ваш наставник)
Я Химаншу Рамчандани, консультант по данным и инженерным вопросам. Я помогаю предприятиям использовать большие данные для создания продуктов на базе искусственного интеллекта, а профессионалам-наставникам улучшаю свои навыки в области данных на 1 % каждый день.
Эпоха → Информационный бюллетень AI
→ Используйте данные, продукты и искусственный интеллект за 3 минуты.
→ 2 главных новости и разработки в области искусственного интеллекта.
→ 1 совет от экспертов в области аналитики больших данных, Data Engg и машинного обучения.
→ AI Инвестиции.
→ Карьера и работа.
Присоединяйтесь к племени, состоящему из более чем 20 000 предпринимателей, технических лидеров, специалистов по обработке данных и разработчиков.
Подпишитесь на рассылку здесь:
Присоединяйтесь к сообществу Discord:
«Присоединяйтесь к серверу Discord Химаншу Рамчандани!
Посетите сообщество Химаншу Рамчандани в Discord — общайтесь с 590 другими участниками и наслаждайтесь бесплатным голосом и текстовыми сообщениями…discord. гарантированная победа"
