AI 数学基础
每个 AI 算法背后的数学直觉——线性代数、微积分、概率、优化、张量运算和数值稳定性。
Mav
01CH. 01
线性代数直觉
所有 AI 模型本质上就是矩阵运算穿了件花衣服。
开始阅读→
02CH. 02
向量、矩阵与运算
每个神经网络都只是矩阵乘法加了点花活。
开始阅读→
03CH. 03
机器学习中的微积分
导数告诉你哪个方向是下坡。神经网络学习只需要这一件事。
开始阅读→
04CH. 04
链式法则与自动微分
链式法则是每个能学习的神经网络背后的引擎。
开始阅读→
05CH. 05
概率与分布
概率是 AI 表达不确定性的语言。
开始阅读→
06CH. 06
优化
训练神经网络就是找山谷的最低点。
开始阅读→
07CH. 07
张量运算
张量是数据和深度学习之间的通用语言。每张图片、每句话、每个梯度都通过张量流动。
开始阅读→
08CH. 08
数值稳定性
浮点数是一个有漏洞的抽象。它会在训练时咬你一口，而且你看不到它来。
开始阅读→