Теперь Кью работает в режиме чтения

Мы сохранили весь контент, но добавить что-то новое уже нельзя

Какие разделы математики наиболее важны для машинного обучения?

ОбразованиеМатематика+3
  · 4,5 K
Из очевидного: матричные операции (векторные).
А в остальном определятся целями задачи и предметной областью - смотря что за модель, смотря как учим.
Обычно на курсах читают как минимум:
• Линейная алгебра
• Матанализ и методы оптимизации
• Основы теории вероятности
• Матстатистика
1 эксперт согласен
Openstack DevOps and IBM/Informix Certified DBA . Phd in Math (Duality of spaces of...  · 3 дек 2021
Линейная алгебра: коллега Скайлер Спикман недавно сказал, что «Линейная алгебра - это математика 21 века», и я полностью согласен с этим утверждением. В ML линейная алгебра встречается повсюду. Такие темы, как анализ главных компонентов (PCA), разложение по сингулярным значениям (SVD), собственное разложение матрицы, LU-разложение, QR-разложение / факторизация... Читать далее
2 эксперта согласны
Линейная и полилинейная.
Программист, преподаватель, Data Scientist, менеджер проектов  · 2 дек 2021
Математический анализ на уровне пределов и производных - чтобы понимать, что такое частные производные и как считать градиенты. Это напрямую используется в градиентном спуске. А градиентный спуск или его вариации используются в машинном обучении везде. Также нужна база по интегралам, чтобы лучше понимать статистику и работу с непрерывными случайными величинами. Линейная... Читать далее
Люблю историю, спорт и активный отдых  · 2 дек 2021
Моделирование процесса (физического или информативного) путем исследования основных динамик.
Построение гипотез.
Тщательная оценка качества источника данных.
Количественная оценка неопределенности, касающейся данных и прогнозов.
Развитие навыка идентификации скрытой характеристики в потоке информации.
1 эксперт не согласен
В ответе приведены первые строчки из интересной статьи "Важные аспекты математики в науке о данных - «что» и... Читать дальше