Cursos de aprendizado de máquina: matemática explicada

7

Estou procurando um curso de aprendizado de máquina que dê a matemática por trás dos algoritmos, em vez de simplesmente ensinar como aplicá-los. Analisei o curso Udacity Into to Machine Learning e o curso de Andrew Ng sobre Coursera, e ambos parecem muito aplicados a mim. Qualquer recomendação de livros didáticos também seria muito apreciada.

machine-learning references GingerBadger
fonte
2
Talvez isso ajude? nzhiltsov.blogspot.nl/2014/09/… Ele contém um link para o arquivo da web de measuremeasures.com (que é web.archive.org/web/20101102120728/http://measuringmeasures.com/… ), que também parece estar em baixo hoje em dia.
Erik van de Ven
4
Se a matemática de Andrew Ng não é suficiente para você, provavelmente você não está procurando a matemática do aprendizado de máquina, mas as do aprendizado estatístico, para as quais eu recomendo este livro .
Digio 27/07

Respostas:

5

Para adicionar ao @Digio, eu recomendaria o Learning From Data , de Abu-Mostafa , que contém matemática estatística suficiente para o deixar empolgado e querendo mais.

hongsy
fonte
5

Observe que Andrew Ng tem um curso mais matemático no Stanford Online e não no Coursera.

As recomendações sempre seriam subjetivas, para mim, eu pessoalmente gosto

Os elementos da aprendizagem estatística

Otimização convexa

Ambos os livros são clássicos na comunidade de aprendizado de máquina e estão disponíveis gratuitamente.

A pergunta relacionada pode ser encontrada aqui.

Livro de receitas de aprendizado de máquina / cartão de referência / folha de dicas?

Haitao Du
fonte
4

Tente se aprofundar em um tópico específico. O curso Ngs apenas arranha a superfície, mas outros cursos mais específicos são mais teóricos / matemáticos.

Redes bayesianas / redes Markov:

Modelos gráficos de probabilidade é um curso teórico avançado de coursera em redes bayesianas / redes Markov. O livro é ainda mais teórico. Está cheio de provas.

Redes neurais:

Redes neurais para aprendizado de máquina também são um curso bastante teórico, pois são realmente profundas. No entanto, não é tão matemático quanto o curso PGM que mencionei acima.

No entanto, se você deseja entender a teoria do Machine Learning em si e não os algoritmos, pode optar por um livro didático. Nesse caso, escolha o que o @digio propôs.

Ferdi
fonte
3

Este curso de aprendizado de máquina (arquivado) edX da Columbia explica muita matemática subjacente. Por exemplo, eles mostram regressão linear regularizada e fatoração matricial probabilística da perspectiva Bayesiana (Máximo A Posteriori).

Entendendo o aprendizado de máquina é um livro (disponível gratuitamente) que adota a abordagem da teoria do aprendizado computacional e contém derivações e cálculos / estimativa da dimensão VC dos classificadores.

Jakub Bartczuk
fonte
toda a matemática que você mencionou ainda é relevante em 2018/2019 ou como ela mudou? que tipo de matemática eu deveria aprender agora como base para o aprendizado de máquina? ive feito algumas pesquisas e os mais novos materiais em relação a este que eu posso encontrar remonta a 2017, e eu sei que ML tem vindo a crescer nesse meio tempo
Oldboy
@ user2230470 Eu diria que a matemática para a maior parte do aprendizado de máquina não mudou nos últimos 10 ou 20 anos. Eu matemática média para o básico, os modelos mais específicos podem precisar entender algumas coisas diferentes (por exemplo, existem lotes de matemática duro em Modelos Generative, como Wasserstein distância em WGANs ou Variational Inferência em VAE)
Jakub Bartczuk
a popularidade das funções de ativação mudou de sigmóide para relé? Eu comecei a aprender álgebra linear. o cálculo multivariável é outro que eu ouvi. que seria apenas bom para entender os diferentes tipos de matemática que são geralmente usados no campo
Oldboy
Não entendo o que as funções de ativação têm a ver com isso. Eles são definidos usando matemática indiscutivelmente do ensino médio.
Jakub Bartczuk 27/11
as funções Sigmoid e ReLU não envolvem diferentes tipos de matemática?
Oldboy