作者asa121 (秋风之痕)
看板DataScience
标题[问题] 基础数学请益
时间Wed Jun 26 10:42:30 2019
资料科学的板友好
小弟最近再复习资料探勘、机器学习的基础数学。
预计会读微积分、线代、机率与统计，以及练习一下Python
想请问在各科里面有那些可以略过部分，有哪些需要额外加强的部分?
比如说:三角函数的部分需要念吗?
ps.目前以线上教材为主 Ex:庄重老师的微积分
以上，谢谢大家
--
※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 124.9.79.207 (台湾)
※ 文章网址: https://webptt.com/cn.aspx?n=bbs/DataScience/M.1561516952.A.462.html
1F：→ loser113: 林轩田机器学习 youtu有 06/26 10:55
2F：→ sxy67230: 机率与统计、随机程序最好是有全方面都读，尤其是想走GM 06/26 11:15
3F：→ sxy67230: M领域。线代特徵方程、特徵向量，基本的矩阵运算、svd、 06/26 11:15
4F：→ sxy67230: LU分解。微分真的用到的就是偏微方而已。这些读熟，ML真 06/26 11:15
5F：→ sxy67230: 心不难。 06/26 11:15
6F：推 sxy67230: 进修就数学的最佳化理论，电资应该接触到比较少要另外 06/26 11:17
7F：→ sxy67230: 看，然後要从大架构看整个DL消息理论一定要读熟。 06/26 11:17
8F：推 thefattiger: 不用，边看边学就好，这领域的数学没那麽难 06/26 11:25
9F：→ thefattiger: 除非你要做基础研究，不然基本线代跟机率概念有就好 06/26 11:26
10F：推 sxy67230: 另外，我真心推荐吴恩达教授Coursera 的课程，虽然部分 06/26 12:00
11F：→ sxy67230: 课程有点旧，但是作业都是从matlab来做，matlab的好处是 06/26 12:00
12F：→ sxy67230: 你会比较有实际实用到线代在数值运算上的感觉。 06/26 12:00
13F：→ sxy67230: 全部作业都有做的话，基本的ml一定没问题 06/26 12:00
14F：→ Pieteacher: 基本微积分概念 + 应用的线性代数层面 + 直接读机器 06/26 19:01
15F：→ Pieteacher: 学习 + python实作 就够了 06/26 19:01
16F：→ asa121: 谢谢版友的建议，我大概抓到方向了，谢谢各位。 06/26 19:09
17F：推 erre: call svm 06/27 07:39
18F：嘘 liang1230: .......不难喔 一堆收敛速度 generalization bound算 06/27 12:45
19F：→ liang1230: 到我怀疑人生了 会用deep和理解也是两回事 比创意不难 06/27 12:45
20F：→ liang1230: 啦 比数学我看是难到爆啦 连现在的数学工具有没有办法 06/27 12:45
21F：→ liang1230: 解决deep的问题都是个谜 06/27 12:45
22F：推 thefattiger: 我在产品端的，重点是要能解决客户跟user的问题 06/27 23:37
23F：→ thefattiger: 只要理解各个算法的限制就好，不需要多高深的数学 06/27 23:37
24F：→ thefattiger: 楼主是跨领域来学的，本来也就不太可能走学术 06/27 23:37
25F：→ cybermeow: 怎麽不去读读现在deep learning theory的paper 你会发 06/28 06:46
26F：→ cybermeow: 现convergence rate跟concentration bound都是小菜一叠 06/28 06:46
27F：→ cybermeow: 不会random matrix, dynamical system, stochastic cal 06/28 06:48
28F：→ cybermeow: culus我都不敢说自己会theory了 06/28 06:48
29F：→ cybermeow: 更偏门的还有代数拓普的TDA跟information geometry 所 06/28 06:50
30F：→ cybermeow: 以问到ml需要什麽数学我都笑笑 06/28 06:50
31F：→ cybermeow: (没有针对楼主或哪位 单纯发牢骚 06/28 06:51
32F：→ liang1230: Deep Learning Theory根本就还没有几个dataset可以算 06/28 19:28
33F：→ liang1230: 好的bound你说小菜一碟.... 收敛速度也一堆没办法算 06/28 19:28
34F：推 cybermeow: 我指的是传统statistical learning theory的generaliza 06/29 20:09
35F：→ cybermeow: tion bound跟convex optimization类型的基本convergenc 06/29 20:09
36F：→ cybermeow: e rate 06/29 20:09
37F：→ cybermeow: 不然新出的paper也不知道用什麽鬼神技术来做 XD. 06/29 20:11
38F：推 liang1230: 也没到什麽鬼神技术啦 就加一堆constrain还有一堆看不 07/01 10:54
39F：→ liang1230: 懂的证明 07/01 10:54
40F：推 tipsofwarren: David J. C. MacKay 07/02 07:30
41F：→ tipsofwarren: Information Theory, Inference and Learning Algor 07/02 07:30
42F：→ tipsofwarren: ithms 这本试试 07/02 07:30