Винсент Чен е студент в Университета в Станфорд, изучаващ компютърни науки и научен сътрудник в Станфордската AI лаборатория. Той е идеалният пример, че не е напълно ясно кое е необходимото ниво на математика, за да направите първите си стъпки в машинното обучение, особено ако не сте изучавали математика или статистика в училище.

Чен разказва за математическите познания, които са необходими за изграждане на продукт или провеждане на академично изследване в машинното обучение. Предложенията му са основани на базата на разговори с инженери, изследователи и преподаватели от областта на машинното обучение и индустриалните роли, както и от личния опит на учения.

За да подредим първо математическите предпоставки, Чен предлага различни стратегии за приближаване на математическото образование до това, което е извън традиционните учебни зали. След това очертава конкретните среди, необходими за различните видове машинно учебно занятие, тъй като тези теми варират от статистически данни за средното училище до смятане за най-новите разработки във вероятните графични модели (PGM).

Истината е, че хората, които са добри в математиката, са хора с много практика и хиляди решени задачи. В резултат на това те се чувстват комфортно, когато блокират при решаване на задача и спокойно откриват изход от зададения проблем. Нагласата на ученика, в противовес на вродената способност, е решаваща за способността на човек да използва математика.

Ето полезните връзки за изучаване на линейна алгебра:

Курс: Компютърна линейна алгебра от fast.ai
YouTube: 3blue1brown: Същността на линейната алгебра
Учебник: Линейна алгебра, направена правилно от Axler
Учебник: Елементите от статистическото обучение от Tibshirani et al.
Курс: CS229 Машинно обучение от Станфорд

Източник: ycombinator