我是如何學習深度學習中的數學的?

Original article was published by Yanwei Liu on Artificial Intelligence on Medium


[1] 深度學習的數學地圖:用 Python 實作神經網路的數學模型

這是我認真學習「數學」的第一本書,我覺得內容寫的相當淺顯易懂,我相信只要有高中數學基礎、修改大學微積分的人,即使多年沒碰數學,還是能透過本書重新找回對數學的認識。我相當推薦

[2] 深度學習

這本花書被公認為深度學習經典教科書,我覺得讀起來相當有難度,不太適合新手入門。不過,在本書的第二至第五章節當中,有針對DL使用到的數學,作概括性的介紹,但是依舊不適合新手入門。

我的想法是:先讀完深度學習的數學地圖這本書後,可以透過本書的數學相關章節,進行一個完整全貌的認識,後續再透過其他補充知識,將完整的知識體系補起來。

[ 3 ] Math for Deep Learning

一篇相當優異的部落格文章,讀起來覺得難度不是太高,但是內容卻相當的詳細。

[ 4 ] Activation Functions & Optimizers

Math for Deep Learning都是同一個作者,該文介紹了激活函數和優化器的數學內容。

[ 5 ] 机器学习中的基本数学知识 — SNYang — 博客园

寫的也相當優異,跟[3]相比最大的優點是舉例更詳細,也有Python程式碼實作。

[ 6 ] 機器學習的數學基礎 : AI、深度學習打底必讀

內容真的是由淺入深,從國中難度的數學到大學程度的微積分、線性代數、統計學…..等內容,相當推薦讀完「深度學習的數學地圖」再來讀這一本,會覺得特別有感覺。

原因是深度學習的數學地圖這本書的內容比較像是一個Overview,而機器學習的數學基礎則是針對每個不同單元,都有一定程度的深入介紹,兩本互相參考,會對數學越來越有信心。