¿Cuáles son los prerrequisitos del cálculo multivariable para el aprendizaje automático?

Question

Quería completar los prerrequisitos de cálculo para la clase de aprendizaje automático. Estoy haciendo un curso en línea curso del cálculo multivariable. Puede alguien sugerir qué conferencias después de la conferencia 15 son relevantes.

Como sé que los multiplicadores de Lagrange se utilizan en SVM, pero las conferencias posteriores no tengo ni idea de la aplicación en ML.

He buscado en los libros de ML, cada uno menciona el cálculo multivariable como requisito previo. Pero lo mucho que estoy confundido acerca de eso.

Answer 1

En este negocio no se pueden tener demasiadas matemáticas, así que hay que equilibrar la profundidad de los conocimientos con el deseo de ponerse en marcha rápidamente.

Estoy de acuerdo con los comentarios sobre los multiplicadores de Lagrange. También, como mínimo, necesitas suficiente cálculo para falsear un argumento de optimización Newton-Raphson.

Si quieres entender la teoría que hay detrás de los operadores kernel, sus descomposiciones de valores propios y el teorema de la representación de Riesz, tienes que adentrarte en el análisis funcional, que es básicamente álgebra lineal para espacios vectoriales de dimensión infinita con convergencia incluida. Pero se puede practicar el aprendizaje automático sin conocer toda esa teoría.

Hay que tener en cuenta que se llama aprendizaje automático (a diferencia del aprendizaje humano), por lo que probablemente sea más importante entender los algoritmos que calculan la respuesta que la teoría matemática, que sólo indica la existencia de una respuesta.

TL:DR Ignora las matemáticas; haz el curso de aprendizaje automático; y siempre que te encuentres con algo que no entiendas, haz el relleno matemático. Las matemáticas que necesites dependerán de cómo se imparta el curso de ML. Muchos de ellos odian el cálculo y lo evitan en la medida de lo posible.