Перейти к содержимому
Атлас ИИ

Основы математики и статистики

Векторы, матрицы, вероятность и производные — язык ИИ

OVERVIEW

Все статьи
6
Начальный
3
Средний
2
Экспертный
1

Every model ultimately reduces to operations on vectors and matrices, and every act of “learning” is ultimately the reduction of a loss along a gradient. This domain does not aim for a mathematician’s completeness; it selects only what is needed to understand AI: linear algebra gives data and weights their shape, probability gives uncertainty its measure, and calculus gives improvement its direction.

Вопросы, на которые отвечает эта область

  • Q1

    Why can data be written as a matrix?

  • Q2

    Which direction does the gradient actually point?

  • Q3

    Why can softmax be used as a probability?

Статьи этой области

  1. 01Векторы и векторные пространстваНачальныйИИ превращает всё — слова, изображения, звуки — в список чисел
  2. 02Градиент и градиентный спускНачальныйВсё глубокое обучение сводится к одному: сделать маленький шаг вниз по склону
  3. 03Матричные операции и линейные отображенияСреднийУмножение матриц — не груда умножений и сложений, а единовременное преобразование всего пространства
  4. 04Вероятность и распределенияНачальныйМодель не выдаёт «ответ», а даёт степень уверенности для каждого возможного ответа
  5. 05Теорема БайесаСреднийНемного верить, увидеть доказательство, немного поправить — это и есть Байес
  6. 06Энтропия и теория информацииЭкспертныйЧем неожиданнее фраза, тем больше информации она несёт; функция потерь языковой модели измеряет именно эту неожиданность