IB数学AI涉及到哪些基础数学?
AI涉及到的一些基础数学:
线性代数
-
Vectors(向量)
定义、标量、加法、标量乘法、内积(点积)、向量投影、余弦相似度、正交向量、法向量和标准正交向量、向量范数、向量空间、线性组合、线性张成、线性无关、基向量
-
Matrices(矩阵)
定义、加法、转置、标量乘法、矩阵乘法、矩阵乘法的性质、阿达玛积、函数、线性变换、行列式、单位矩阵、可逆矩阵和逆、秩、迹、矩阵的常用类型——对称、对角、正交、标准正交、正定矩阵
-
Eigenvalues &eigenvectors(特征值与特征向量)
概念、直觉、意义、如何发现
-
Principle component analysis(主分量分析)
概念、性质、应用
-
Singular valuede composition(奇异值分解)
概念、性质、应用
微积分
-
Functions(函数)
-
Scalar derivative(标量微分)
定义、直觉、微分的一般规则、链式法则、偏导数
-
Gradient(梯度变化曲线)
概念、直觉、性质、方向导数
-
Vector and matrix calculus(向量和矩阵演算)
向量和矩阵演算、雅可比矩阵
-
Gradient algorithms(梯度算法)
局部/全局极大值和极小值、鞍点、凸函数、梯度下降算法-批处理、小批处理、随机、性能比较
概率
-
Basic rules andaxioms(基本规则和公理)
事件、样本空间、频率方法、相关和独立事件、条件概率
-
Random variables-continuous and discrete, expectation, variance, distributions- joint andconditional(随机变量-连续和离散、期望、方差、分布-联合和条件)
-
Bayes’ Theorem,MAP, MLE(贝叶斯定理、MAP、MLE)
-
Populardistributions- binomial, bernoulli, poisson, exponential, gaussian(流行分布-二项式、伯努利、泊松、指数、高斯)
-
Conjugate priors(共轭先验)
其他参数
-
Information theory-entropy, cross-entropy, KL divergence, mutual information(信息论-熵、交叉熵、KL散度、互信息)
-
Markov Chain-definition, transition matrix, stationarity(马尔可夫链-定义、转移矩阵、平稳性)
这些都是AI涉及到的基础数学