这是什么
机器学习背后的数学涵盖线性代数、微积分和概率论,它们支撑着神经网络和回归算法等模型如何真正从数据中学习,包括梯度下降和损失函数。
为什么重要
理解机器学习背后的数学——而不是把它当作一个黑箱——正是能真正调试、改进和信任一个模型的人,与只能运行预先构建的代码却不理解其原理的人之间的区别。
考试小贴士
学习一个新的机器学习算法时,先手动推演一个极小、简单的例子的数学过程——手动看着梯度下降更新两三个数字,比单纯阅读通用公式能培养出真实得多的理解。
对Machine Learning Mathematics (机器学习数学基础)课程感兴趣?
告诉我们学生的目标和自信程度——我们会为其设计个性化学习计划。