Essential Math for AI:คณิตศาสตร์สำหรับพัฒนาระบบปัญญาประดิษฐ์

所在平台: Udemy

课程主页: https://www.udemy.com/course/essential-math-for-ai/

课程评论:没有评论

第一个写评论        关注课程

课程简介

课程名称:人工智能的基础数学 概述:欢迎进入人工智能的世界!“人工智能的基础数学”课程为开发者和对创造高效人工智能系统感兴趣的人提供了必要的数学知识和理论。无论您是初学者还是希望深入理解AI中使用的数学原理的学习者,这个课程都能帮助您掌握创建和改进人工智能模型所需的数学基础知识。通过学习,您将获得有关关键数学领域的理解,以支持您的发展之路。 课程内容: - **工作坊1**:Python编程基础,包括标量的加减乘法、点积的计算,以及矩阵的特征值和特征向量计算,了解奇异值分解(SVD)。 - **工作坊2**:Python编程,学习梯度下降法中的导数计算,曲线下面积的积分计算,以及偏导数的求解。 - **工作坊3**:概率与统计,包括高斯(正态)分布、伯努利分布、期望、方差和协方差的计算,以及假设检验。 - **工作坊4**:梯度下降优化参数以减少误差,约束优化处理受到限制条件的问题。 - **工作坊5**:图论的应用,使用NetworkX理解不同复杂数据结构,并找到最佳路径(最短路径)。 - **工作坊6**:不确定性计算,包含熵、交叉熵和KL散度的测量。 通过参与本课程,您将打下扎实的数学基础,为您的人工智能开发之旅做好准备。

课程评论(0条)

课程详情

พบกับโลกของปัญญาประดิษฐ์ด้วย 'Essential Math for AI' คอร์สนี้เสนอบทเรียนที่เน้นคณิตศาสตร์ที่สำคัญและจำเป็นสำหรับนักพัฒนาและผู้สนใจในการสร้างระบบปัญญาประดิษฐ์ที่มีประสิทธิภาพ คอร์สนี้จะช่วยให้ผู้เรียนเข้าใจทฤษฎีคณิตศาสตร์และตัวชี้วัดที่จำเป็นสำหรับการสร้างและปรับปรุงโมเดลปัญญาประดิษฐ์ ไม่ว่าจะเป็นนักพัฒนาที่กำลังเริ่มต้นหรือผู้ที่ต้องการเข้าใจหลักการทางคณิตศาสตร์ที่ใช้ใน AI ก็สามารถเรียนรู้ได้, คอร์สนี้จะทำให้ผู้เรียนมีพื้นฐานและความเข้าใจในทางคณิตศาสตร์ที่สำคัญ!!เรียนเขียนโปรแกรม Python Essential Math for AI: คณิตศาสตร์สำหรับพัฒนาระบบปัญญาประดิษฐ์Workshop 1 เรียนเขียนโปรแกรม Python สำหรับการบวก, ลบ, คูณ scalar, และการทำ Dot Product, การคำนวณ Eigenvalues และ Eigenvectors สำหรับ Matrix, Singular Value Decomposition (SVD)Workshop 2 เรียนเขียนโปรแกรม Python สำหรับคำนวณ Derivatives สำหรับ Gradient Descent, การคำนวณ Integrals สำหรับคำนวณพื้นที่ใต้ Curve, Partial Derivatives.Workshop 3 เรียนเขียนโปรแกรม Python สำหรับ Probability and Statistics ความน่าจะเป็นและสถิติ Gaussian(Normal) Distribution, Bernoulli Distribution, การคำนวณ Expectation, Variance, และ Covariance สำหรับการทำนาย. Hypothesis Testing การทดสอบสมมติฐานทางสถิติ.Workshop 4 Gradient Descent ปรับพารามิเตอร์เพื่อลดความคลาดเคลื่อนมากที่สุด, Constrained Optimization การแก้ปัญหาในขอบเขตหรือเงื่อนไขที่บังคับใช้.Workshop 5 การใช้ Graph Theory แสดงโครงสร้างข้อมูลเข้าใจโครงสร้างข้อมูลแบบต่าง ๆ ที่มีความซับซ้อน ในการหาทางที่ดีที่สุด (Shortest Path) Using NetworkXWorkshop 6 การคำนวณวัดความไม่แน่นอนในค่า Entropy, Cross-Entropy, KL Divergence

课程标签

0人关注该课程

主题相关的课程