Кофка
Организатор
- Сообщения
- Монеты
- 0.0
- Оплачено
- 44
- Купоны
- 0
- Кешбэк
- 0
- Баллы
- 0
- @Skladchiki
- #1
Складчина: [Stepik] Математика ИИ: просто о сложном (Алексей Верещагин)
- Ссылка на картинку
-
Этот курс — первая часть большого курса про искусственный интеллект — отличается от себе подобных тем, что он предназначен практически для всех. Он не требует какой-то особенной начальной подготовки.
Математика для искусственного интеллекта несложна, если рассказывать её обычным языком. Курс рассчитан на начинающих, но лишь потому, что объяснения будут подробными и понятными. По глубине материала мы охватим всё, что нужно разработчику систем искусственного интеллекта, в том объёме, который ему нужен.
Чему вы научитесь
Вы будете понимать основные математические концепции ИИ и понимать качественно — на уровне физического смысла математических формул.
Сможете читать математические выкладки в статьях и комментариях к алгоритмам.
О курсе
Девиз данного курса — просто о сложном. В этом его основное отличие от аналогичных: курс доступен практически всем.
Алексей Верещагин. Автор курса несколько лет ведёт обучающие программы в центре «Шифт». За это время накопилось представление о том, какие трудности в понимании материала часто встречаются у студентов. Этот курс — попытка подстелить соломку: опираясь на свой опыт, я подробно расписываю трудные темы так, чтобы они были понятны.
Вы познакомитесь со всеми основными математическими концепциями, используемыми в машинном обучении и нейронных сетях:
Курс рассчитан на очень широкую аудиторию. В первую очередь он для новичков, людей, только начинающих знакомство с миром искусственного интеллекта.
Но доступность курса обеспечивается не упрощением информации, не отказом от освещения трудных концепций. Как раз наоборот, будут рассмотрены все самые непростые вопросы: операторы, собственные векторы и PCA, ядерный трюк и пр.
Доступность курса определяется простотой и подробностью изложения, отточенными автором при преподавании людям с разным уровнем подготовки.
Поэтому курс будет интересен и студентам, и разработчикам, которые решат подтянуть свой уровень понимания математических основ.
Наконец, он подойдёт просто любознательным людям — даже если они не хотят делать ИИ своей профессией, но хотят разобраться, как и на каких принципах работают эти загадочные думающие машины.
Начальные требования
Базовая школьная арифметика. Математику вы должны даже не столько знать — все сколько-то сложные концепции в курсе будут разобраны. Важно, чтобы вы её не боялись. Если вы не приходите в ужас при виде математических символов и слова «функция» — с курсом вы справитесь.
Хорошо бы начальное владение программированием на Python — пара тем будет специально для программистов. Но это необязательно: отсутствие навыков программирования пониманию основного материала не помешает.
Как проходит обучение
Курс состоит из лекций, вопросов для размышлений, которые иногда будут прерывать лекционный материал, и практических заданий на наработку навыков и закрепление материала.
Программа курса
Математика для искусственного интеллекта несложна, если рассказывать её обычным языком. Курс рассчитан на начинающих, но лишь потому, что объяснения будут подробными и понятными. По глубине материала мы охватим всё, что нужно разработчику систем искусственного интеллекта, в том объёме, который ему нужен.
Чему вы научитесь
Вы будете понимать основные математические концепции ИИ и понимать качественно — на уровне физического смысла математических формул.
Сможете читать математические выкладки в статьях и комментариях к алгоритмам.
О курсе
Девиз данного курса — просто о сложном. В этом его основное отличие от аналогичных: курс доступен практически всем.
Алексей Верещагин. Автор курса несколько лет ведёт обучающие программы в центре «Шифт». За это время накопилось представление о том, какие трудности в понимании материала часто встречаются у студентов. Этот курс — попытка подстелить соломку: опираясь на свой опыт, я подробно расписываю трудные темы так, чтобы они были понятны.
Вы познакомитесь со всеми основными математическими концепциями, используемыми в машинном обучении и нейронных сетях:
- аналитическая геометрия: системы координат, многомерные пространства, точки и векторы в них; евклидово и косинусное расстояния;
- линейная алгебра: матрицы и операции с ними, операторы, собственные векторы и числа, основы метода PCA;
- элементы матанализа: производные и градиенты, вычислительный граф, метод градиентного спуска;
- логарифмы;
- базовые алгоритмы машинного обучения — линейная регрессия, метод опорных векторов. Искусственный нейрон.
Курс рассчитан на очень широкую аудиторию. В первую очередь он для новичков, людей, только начинающих знакомство с миром искусственного интеллекта.
Но доступность курса обеспечивается не упрощением информации, не отказом от освещения трудных концепций. Как раз наоборот, будут рассмотрены все самые непростые вопросы: операторы, собственные векторы и PCA, ядерный трюк и пр.
Доступность курса определяется простотой и подробностью изложения, отточенными автором при преподавании людям с разным уровнем подготовки.
Поэтому курс будет интересен и студентам, и разработчикам, которые решат подтянуть свой уровень понимания математических основ.
Наконец, он подойдёт просто любознательным людям — даже если они не хотят делать ИИ своей профессией, но хотят разобраться, как и на каких принципах работают эти загадочные думающие машины.
Начальные требования
Базовая школьная арифметика. Математику вы должны даже не столько знать — все сколько-то сложные концепции в курсе будут разобраны. Важно, чтобы вы её не боялись. Если вы не приходите в ужас при виде математических символов и слова «функция» — с курсом вы справитесь.
Хорошо бы начальное владение программированием на Python — пара тем будет специально для программистов. Но это необязательно: отсутствие навыков программирования пониманию основного материала не помешает.
Как проходит обучение
Курс состоит из лекций, вопросов для размышлений, которые иногда будут прерывать лекционный материал, и практических заданий на наработку навыков и закрепление материала.
Программа курса
- Введение
- Переменные и функции
- Системы координат
- Операции с векторами
- Скалярное произведение векторов. Метрики сходства. Базисы
- Линейная регрессия и SVM
- Матрицы
- Собственные вектора и числа
- Производная
- Метод опорных векторов
- Искусственный нейрон
- Что дальше
Показать больше
Зарегистрируйтесь
, чтобы посмотреть авторский контент.