新闻资讯

当前位置:首页 > 新闻中心 > 公司新闻

    对AI的理解和认识与其他仅从表面认识AI的人有很大的区别

    来源:www.dfsbp.com    发布于:2019-4-21 9:10:32    点击量:

    2019/04/22 08/23/55  【丹佛丹佛斯斯变频器 www.dfsbp.因此,我试图将高中数学与人工智能和数据科学联系起来,重点是数学建模。这些书教会了我时刻保持谦逊。就像与那些经历了时间考验的老朋友们重逢一样。

      2.其次,作者在写一本书来简述人工智能,从数学的角度入手,目标读者是14到18岁的少年。多年之后,也许你会发现,在眼花缭乱的技术、模型和框架背后,数学是永恒的。VLADIMIR VAPNIK现年已经81岁。

      此外,作者推荐这几本书,还有两点个人原因:

      1.作者在牛津大学教授物联网数据科学的课程,也包括一些AI技术应用方面的教学事务,在教学过程中涉及到数学基础知识和课程。无论我们现在知道了多少,掌握了多少知识,都总能在阅读过程中发现,这个领域原来是如此的庞大和复杂。一个数学基础深厚的人,对AI的理解和认识与其他仅从表面认识AI的人有很大的区别。

      原文链接:

      【加入社群】

      。

      这些书已经超越了时间。

      补充两本书:

      A FIRST COURSE IN MACHINE LEARNI台达变频器NG, SECOND EDITION (MACHINE LEARNING & PATTERN RECOGNITION) BY SIMON ROGERS, MARK GIROLAMI

      作者:SIMON ROGERS,MARK GIROLAMI

      MACHINE LEARNING: A PROBABILISTIC PERSPECTIVE

      作者:KEVIN MURPHY

      这本书中评价也很高,但我个人没有读过(因此没有收集)。

      (3)

      MACHINE LEARNING: AN ALGORITHMIC PERSPECTIVE,SECOND EDITION (CHAPMAN & HALL/CRC MACHINE LEARNING & PATTERN RECOGNITION)

      《机器学习:算法视角》

      PDF资源:

      这本书现在已经出版了第二版。HINTON认为,我们也许应该重新思考反向传播。本书采用模式识别方法,并涵盖了广泛的算法。当然,涉及到数学,往往阅读体验可能不会很舒服,但要搞好机器学习,数学基础是必须要打牢的,所以努力读书吧!

      先说一说为什么在数据科学学习时打好数学基础。VLADIMIR VAPNIK是支持向量机(SVM)的创始人。

      最后,是我最推荐的一本书:

      (7) DEEP LEARNING 《深度学习》

      相关资源:

      如果你在找一本值得逐页读完的书,就是它了!这本书既详细,又有现代感,书中内容几乎涵盖了你能想到的关于深度学习的一切知识。

      (2) PATTERN CLASSIFICATION (2007-12-24)《模式分类》

      作者:RICHARD O DUDA

      PDF资源:

      就像VAPNIK的著作一样,DUDA的著作时另一个时代的另一部经典。

      下面进入正题:

      (1) THE NATURE OF STATISTICAL LEARNING THEORY 《统计学习理论的本质》

      作者:VLADIMIR VAPNIK

      PDF资源:

      如果说要列一份关于数学的书单,这本书是绕不过去的变频器维修。我特别喜欢这本书中的算法分组(逻辑模型,线性模型,概率模型)章节以及这些主题的整体讲述方式。此外,掌握数学知识还能更好地了解AI技术带来知识产权的潜力。本书单中排名第一的就是俄罗斯著名数学家VLADIMIR VAPNIK的《统计学习理论的本质》。他的维基百科页面中提供了更多关于他研究成果的介绍。

      以下是我总结的几个原因:

      AI领域无时无刻不在迅速变化。

      出于这个目的,本文介绍了七本在注重打好数据科学的数学基础上的技术读物。

      (5)PATTERN RECOGNITION AND MACHINE LEARNING (INFORMATION SCIENCE AND STATISTICS)

      《模式识别与机器学习(信息科学与统计)》

      作者:CHRISTOPHER M. BISHOP

      PDF资源:

      CHRISTOPHER M.BISHOP的模式识别和机器学习(信息科学和统计学)也是一本深入而精心设计的参考书。本书初版于1973年,在二十多年后的2000年才推出第二版,此后一直未再版。

      写在最后:

      除了最后一本《深度学习》之外,我建议其他书不必逐页阅读,而是将其作为参考书,根据需要按相应主题阅读相应的书籍。新智元报道

      大多数人学习数据科学的人都会把重点放在编程上,实际上编程能力确实是机器学习和数据科学领域的重要技能。

      (4)

      THE ELEMENTS OF STATISTICAL LEARNING: DATAMINING, INFERENCE, AND PREDICTION, SECOND EDITION

      《统计学习基础:数据挖掘、推理和预测》(第二版)

      作者:TREVOR HASTIE,ROBERT TIBSHIRANI,JEROME FRIEDMAN

      PDF资源:

      另一本经典之作,可以作为参考书。与前两本书一样,本书也非常强调算法。

      我喜欢PETER FLACH的书,尽管亚马逊网站上的一些评论说这书写得太罗嗦,而且代码量显得不足。但是,要真正精通数据科学和机器学习,必然不能忽视的数据科学背后的数学基础。目前在高中阶段至少会教授这些课程的一部分内容。要深入了解数学科学和人工智能数学的数学基础,你需要了解四个方面知识:线性代数,概率论,多元微积分和优化。此书第一版是我读过的最早的书关于机器学习和算法的著作之一,第二版增加了更多PYTHON代码。我预计50年以后,这个行业里的人们仍然会阅读这些著作。在这份清单中的所有书籍中,VAPNIK这本是最不好找的。DUDA的著作初版于1973年。最后,了解数据科学背后的数学知识,也可以让人更容易获得AI和数据科学的高端职位。时隔近二十年,本书仍然是一个重要资源。掌握牢固的数学知识有助于更好地理解AI的演变

    20190422082355

相关阅读


版权所有: 上海丹佛斯变频器一级代理商 服务热线:13917851195 版权所有