ai math roadmap
1.0.0
الشخص الذي يعمل في مجال الذكاء الاصطناعي والذي لا يعرف الرياضيات يشبه السياسي الذي لا يعرف كيفية الإقناع. كلاهما لديه منطقة لا مفر منها للعمل عليها!
منذ أسبوع، كتبت مقالًا عن كيفية الدخول في علوم البيانات في عام 2021 ومنذ ذلك الحين تلقيت عدة رسائل بريد إلكتروني من أشخاص من جميع أنحاء العالم يسألون عن مقدار الرياضيات المطلوبة في علوم البيانات.
لن أكذب: إنه كثير من الرياضيات .
وهذا أحد الأسباب التي تنفر الكثير من المبتدئين. بعد الكثير من البحث والمحادثات مع العديد من الخبراء في هذا المجال، قمت بتجميع هذا الدليل البسيط الذي يغطي جميع أساسيات الرياضيات التي ستحتاج إلى معرفتها . عادةً ما تتم تغطية المفاهيم المذكورة أدناه على مدى عدة فصول دراسية في الكلية، لكنني قمت بتلخيصها في المبادئ الأساسية التي يمكنك التركيز عليها.
يُعد هذا الدليل منقذًا مطلقًا لحياة المبتدئين، لذا يمكنك دراسة الموضوعات الأكثر أهمية، كما أنه مصدر أفضل للممارسين مثلي الذين يحتاجون إلى شرح سريع لهذه المفاهيم.
ملاحظة : لا تحتاج إلى معرفة جميع المفاهيم (أدناه) حتى تحصل على وظيفتك الأولى في علم البيانات. كل ما تحتاجه هو فهم قوي للأساسيات. التركيز على تلك وتعزيزها.
ربما تكون معرفة الجبر أمرًا أساسيًا في الرياضيات بشكل عام. إلى جانب العمليات الحسابية مثل الجمع والطرح والضرب والقسمة، ستحتاج إلى معرفة ما يلي:
الدعاة
الراديكاليون
العوامل
ملخصات
الملاحظات العلمية
الجبر الخطي هو أداة الحساب الرياضية الأساسية في الذكاء الاصطناعي والعديد من مجالات العلوم والهندسة. في هذا، يجب فهم 4 كائنات رياضية أساسية وخصائصها:
العددية - رقم واحد (يمكن أن يكون حقيقيا أو طبيعيا).
المتجهات - قائمة أرقام مرتبة بالترتيب. اعتبرها نقاطًا في الفضاء حيث يمثل كل عنصر الإحداثيات على طول المحور.
المصفوفات - مصفوفة ثنائية الأبعاد من الأرقام حيث يتم تحديد كل رقم بواسطة مؤشرين.
Tensors - مجموعة ND من الأرقام (N> 2)، مرتبة على شبكة عادية ذات محاور N. مهم في التعلم الآلي والتعلم العميق ورؤية الكمبيوتر
المتجهات الذاتية والقيم الذاتية - المتجهات الخاصة والكمية العددية المقابلة لها. فهم أهمية وكيفية العثور عليها.
تحليل القيمة المفردة - تحليل المصفوفة إلى 3 مصفوفات. التعرف على الخصائص والتطبيقات.
تحليل المكونات الرئيسية (PCA) - فهم الأهمية والخصائص والتطبيقات.
من المفيد أيضًا معرفة خصائص مثل المنتج النقطي والمنتج المتجه ومنتج Hadamard.
يتعامل حساب التفاضل والتكامل مع التغييرات في المعلمات والوظائف والأخطاء والتقديرات التقريبية. تعد المعرفة العملية بحساب التفاضل والتكامل متعدد الأبعاد أمرًا ضروريًا في علوم البيانات. فيما يلي أهم المفاهيم (وإن كانت غير شاملة) في حساب التفاضل والتكامل:
المشتقات - القواعد (الجمع، المنتج، قاعدة السلسلة، إلخ)، والمشتقات الزائدية (تانه، كوش، إلخ) والمشتقات الجزئية.
حساب التفاضل والتكامل المتجه/المصفوفة - عوامل مشتقة مختلفة (التدرج، والجاكوبيان، والهسي، واللابلاتسي)
خوارزميات التدرج - الحد الأقصى والحد الأدنى المحلي/العالمي، ونقاط السرج، والوظائف المحدبة، والدفعات والدفعات الصغيرة، ونزول التدرج العشوائي، ومقارنة الأداء.
الإحصائيات الأساسية - المتوسط والوسيط والوضع والتباين والتباين وما إلى ذلك
القواعد الأساسية في الاحتمال - الأحداث (التابعة والمستقلة)، فضاءات العينة، الاحتمال الشرطي.
المتغيرات العشوائية - المستمرة والمنفصلة، التوقع، التباين، التوزيعات (المشتركة والشرطية).
نظرية بايز - تحسب صحة المعتقدات. يساعد برنامج Bayesian الآلات على التعرف على الأنماط واتخاذ القرارات.
تقدير الاحتمالية القصوى (MLE) - تقدير المعلمة. يتطلب معرفة مفاهيم الاحتمالية الأساسية (الاحتمال المشترك واستقلال الأحداث).
التوزيعات المشتركة - ذات الحدين، بواسون، برنولي، غاوسي، الأسي.
مجال مهم قدم مساهمات كبيرة في الذكاء الاصطناعي والتعلم العميق، ولا يزال غير معروف للكثيرين. ويمكن اعتباره مزيجًا من حساب التفاضل والتكامل والإحصاءات والاحتمالات.
الإنتروبيا - وتسمى أيضًا إنتروبيا شانون. تستخدم لقياس عدم اليقين في التجربة.
Cross Entropy - يقارن توزيعتين احتماليتين ويخبرنا بمدى تشابههما.
تباعد كولباك ليبلر – مقياس آخر لمدى تشابه التوزيعتين الاحتماليتين.
خوارزمية فيتربي - تستخدم على نطاق واسع في معالجة اللغات الطبيعية (NLP) والكلام
التشفير-فك التشفير - يستخدم في شبكات RNN للترجمة الآلية ونماذج أخرى.
في الذكاء الاصطناعي، الرياضيات مهمة جدًا. وبدونها يكون مثل جسم الإنسان بلا روح. يمكنك التعامل مع المفاهيم الرياضية باعتبارها طريقة الدفع أولاً بأول: كلما ظهر مفهوم أجنبي، أمسك به والتهمه! يقدم الدليل أعلاه موردًا بسيطًا ولكنه شامل لفهم أي نوع من المواضيع أو المفاهيم في الذكاء الاصطناعي.
حظ سعيد!
إذا كنت تعتقد أنه يمكن تحسين خريطة الطريق هذه، فيرجى فتح تقرير العلاقات العامة بأية تحديثات وإرسال أي مشكلات. سنستمر في تحسين هذا الأمر، لذا قد ترغب في مشاهدة/تمييز هذا المستودع بنجمة لزيارته مرة أخرى في المستقبل.
قم بإلقاء نظرة على دليل المساهمة لمعرفة كيفية تحديث خريطة الطريق.
افتح طلب سحب مع التحسينات
مناقشة الأفكار في القضايا
انشر الكلمة
تواصل مع أي تعليقات
تم إنشاء خريطة الطريق هذه بواسطة جيسون دسوزا وتم إتاحتها للجمهور بموجب ترخيص معهد ماساتشوستس للتكنولوجيا.
