Calculus Foundations for Machine Learning

Nếu bạn muốn hiểu cách thức các thuật toán giảm thiểu lỗi và cập nhật trọng số, thì việc học tốt môn tính toán là bước đầu tiên cần thiết. Chương trình học dựa trên văn bản này giải thích các khái niệm toán học giúp khoa học dữ liệu hiện đại. Bạn sẽ học từ các nền tảng đại số cơ bản đến hiểu biết về các cảnh quan tối ưu phức tạp, dịch lý thuyết toán học trực tiếp thành mã Python sạch, có chức năng. Bạn sẽ học được: - Hiểu được các khái niệm cơ bản về giới hạn, đạo hàm, và tỷ lệ thay đổi - Ứng dụng đạo hàm riêng phần và gradient để phân tích các hàm học máy đa biến - Kỹ thuật tối ưu hóa chủ như gradient descent, bao gồm các biến thể hiện đại như RMSprop và Adam - Tìm hiểu cơ chế cốt lõi của sự truyền ngược và khái niệm phân biệt tự động - Viết mã Python bằng NumPy để xấp xỉ số lượng gradient và tối ưu hóa các mô hình đơn giản Chương trình bắt đầu với thuật ngữ cơ bản và giải tích đơn biến trước khi tiến tới các hàm đa biến, các thuật toán tối ưu hóa, và ứng dụng trực tiếp của chúng trong các mô hình huấn luyện. Lớp học này được thiết kế cho các nhà khoa học dữ liệu tham vọng và người mới học máy muốn xây dựng một nền tảng toán học vững chắc; sự quen thuộc cơ bản với Python là hữu ích, nhưng không cần có nền toán học cao cấp. Bắt đầu xây dựng niềm tin toán học của bạn và mở khóa một hiểu biết sâu hơn về thuật toán học máy hôm nay.