Você poderia me dar alguns esclarecimentos sobre mineração de dados e algoritmos de inteligência artificial? Para que base matemática eles usaram? Você poderia me dar um ponto de partida, em matemática, para entender esses tipos de algoritmos?
Você poderia me dar alguns esclarecimentos sobre mineração de dados e algoritmos de inteligência artificial? Para que base matemática eles usaram? Você poderia me dar um ponto de partida, em matemática, para entender esses tipos de algoritmos?
Respostas:
Isso pode parecer um pouco estranho na comunidade de estatísticos, mas tenho certeza de que a maioria dos algoritmos de aprendizado de máquina pode ser formulada como um problema de minimização funcional. Isso significa que isso será coberto com otimização matemática .
A outra coisa é que você provavelmente precisará de cálculo e álgebra linear para entender o que é otimização. E para interpretar seus resultados, é melhor você ter alguma experiência em teoria das probabilidades e estatística .
Talvez essa pergunta seja muito ampla, você deve dizer algo mais sobre o que usará na mineração de dados! Mas, a mineração de dados é essencialmente estatística, e grande parte do uso da IA que eu vi também é estatística. Então, o que você precisa é de matemática para estatística: 1) cálculo e análise real 2) probabilidade 3) Álgebra linear! Em termos práticos, 3) pode ser o mais importante, quase tudo o que você fará (usos inclusivos de 1) e 2)) dependerá fortemente da álgebra linear. Portanto, certifique-se de obter não apenas os conceitos, mas a habilidade manipuladora!
Muito mais é usado, mas talvez mais especializado. Portanto, não faz sentido dar conselhos mais detalhados até que você tenha especializado sua pergunta (e aprendido 1), 2) e 3))
Parece uma pergunta justa, que matemática devo aprender como base para o aprendizado de máquina?
Talvez seja a resposta que é ampla. Como ML se baseia em tantas disciplinas.
Outros sugeriram Álgebra Linear, Teoria da Probabilidade, Estatística, Espaços Métricos e muitos outros que são relevantes.
Talvez uma abordagem viável seja listar alguns dos algoritmos de ML mais populares, dê uma olhada neles e preencha a matemática com a qual você se sente menos à vontade.