Machine Learning со слабой математикой? Друзья, привет!
Есть очень большое желание изучать Machine Learning. Ознакомился с курсом Университета штата Вашингтон на Coursera, но столкнулся с тем, что имею очень слабую (если не почти нулевую) мат. подготовку, в связи с чем возникали проблемы в понимании в общем-то, простых вещей, вроде линейной функции (не говоря уже о градиентном спуске) и того, почему автор делает вот так и так в том или ином случае.
Отступать не хочется, поэтому вопрос: с каких книг по математике можно начать, чтобы сдвинуться с этой точки?
Буду рад любым советам.
Machine Learning со слабой математикой? Друзья, привет!
Есть очень большое желание изучать Machine Learning. Ознакомился с курсом Университета штата Вашингтон на Coursera, но столкнулся с тем, что имею очень слабую (если не почти нулевую) мат. подготовку, в связи с чем возникали проблемы в понимании в общем-то, простых вещей, вроде линейной функции (не говоря уже о градиентном спуске) и того, почему автор делает вот так и так в том или ином случае.
Отступать не хочется, поэтому вопрос: с каких книг по математике можно начать, чтобы сдвинуться с этой точки?
Буду рад любым советам.
Есть очень большое желание изучать Machine Learning. Ознакомился с курсом Университета штата Вашингтон на Coursera, но столкнулся с тем, что имею очень слабую (если не почти нулевую) мат. подготовку, в связи с чем возникали проблемы в понимании в общем-то, простых вещей, вроде линейной функции (не говоря уже о градиентном спуске) и того, почему автор делает вот так и так в том или ином случае.
Отступать не хочется, поэтому вопрос: с каких книг по математике можно начать, чтобы сдвинуться с этой точки?
Буду рад любым советам.
Не можешь разобраться в этой теме?
Обратись за помощью к экспертам
Гарантированные бесплатные доработки в течение 1 года
Быстрое выполнение от 2 часов
Проверка работы на плагиат
Поможем написать учебную работу
Прежде всего, не отчаивайтесь! Математика является важной частью машинного обучения, и понимание ее концепций поможет вам лучше освоить эту область.
Для начала, рекомендуется изучить основы линейной алгебры, дифференциального и интегрального исчисления, а также теории вероятностей и статистики. Начать можно с таких книг, как "Основы линейной алгебры" от Гилберта Стрэнга или "Математический анализ" от Владимира Зорича. Для изучения вероятностей и статистики можно обратиться к книгам "Вероятность и статистика" от Марка Монго и "Введение в теорию вероятностей и статистику" от Тадеуша Косара.
Также рекомендуется пройти онлайн-курсы по этим темам на платформах типа Coursera или Khan Academy, чтобы закрепить знания и понять, как они применяются в машинном обучении.
И помните, что практика играет огромную роль в понимании математики и ее применении в машинном обучении, поэтому не стесняйтесь решать множество задач и практических примеров. Удачи в изучении!