
Hi,大家好。我是茶桁。
结束了「微积分」部分的学习之后我们稍作休整,今天正式开始另外一部分:「线性代数」的学习。小伙伴们放松完回来要开始紧张起来了。
我们之前说过,不管是哪一个工程学科,根基都在于数学。所以不管是做什么,你都得了解一定的数学知识。只是不同的领域对数学的运用精尖程度不一样。比如说,金融领域对于数学的要求就会比较高,但是也有一些学科,比如说会话什么的,对数学要求就会不那么高。
那么对于我们人工智能,所需要的数学知识在导论第一节课我给大家列过一个目录,基本也就是目录上的那些内容,那些就是我们最核心的Point。
有些同学可能会觉得导论课很简单,确实,人工智能直接运用的那一些东西就那么点,在这一部分知识的背后,它有一个庞大的数学体系。所以,上一部分「微积分」大家应该也都发现了,就是我们的这个知识体系非常庞大,各方面都有一环套着一环。
当然,这其中有部分技术比较差的同学,看那些公式会觉得头晕。但是其实别担心,这个问题并不是很大,因为知识点就这么多,我都列的很清楚,针对性的自己再去提升一下,妥妥的。
那咱们现在要学的部分是「线性代数」,这一部分非常重要,其中的矩阵这种形式是我们在人工智能里面包括神经网络主要的一种数据的载体形式。也就是说,你数据是怎么进入这个神经网络里面被处理的,以及你的出来的这些个结论是一种什么样的形式呈现出来的,答案就在我们的矩阵里,或者说是「向量」。
所以呢,这部分是一个非常基础,非常重要的一部分内容。好消息是,难度相对来说并没有特别的大,当然,我说的是矩阵这一部分本身非常简单,如果要向学到一些比较难的内容,建议大家可以去看看高等代数的相关教材。那部分的难度会让你怀疑人生。嗯…
我们在人工智能里面
人工智能中的线性代数基础:线性方程组与矩阵
这篇博客介绍了线性代数在人工智能中的重要性,特别是线性方程组和矩阵。作者指出,线性方程组是神经网络中数据处理的基础,并解释了矩阵作为数据载体的角色。文章详细阐述了线性方程组的表示,矩阵的概念,以及行列式的定义,包括全排列和逆序数的概念。此外,还简要提及了齐次和非齐次线性方程组的区分。
订阅专栏 解锁全文
7368

被折叠的 条评论
为什么被折叠?



