Nền tảng toán học và thống kê
Vector, ma trận, xác suất và đạo hàm — ngôn ngữ của AI
OVERVIEW
- Tất cả mục từ
- 6
- Cơ bản
- 3
- Trung cấp
- 2
- Chuyên gia
- 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.
Những câu hỏi lĩnh vực này trả lời
- 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?
Mục từ trong lĩnh vực này
- 01Vector và không gian vectorCơ bảnAI biến mọi thứ — từ, ảnh, âm thanh — thành một dãy số
- 02Gradient và hạ gradientCơ bảnToàn bộ học sâu quy về một việc: bước một bước nhỏ xuống dốc
- 03Phép toán ma trận và biến đổi tuyến tínhTrung cấpNhân ma trận không phải một loạt phép nhân rồi cộng, mà là viết lại toàn bộ không gian trong một lần
- 04Xác suất và phân phối xác suấtCơ bảnMô hình không đưa ra ‘đáp án’, mà cho biết mức độ tin cậy cho từng khả năng
- 05Định lý BayesTrung cấpTin một chút, thấy bằng chứng, chỉnh một chút — đó là Bayes
- 06Entropy và lý thuyết thông tinChuyên giaCâu càng bất ngờ càng mang nhiều thông tin; hàm mất mát của mô hình ngôn ngữ đo chính cái ‘bất ngờ’ đó