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