Mathematics for ML
1.0.0
مجموعة من الموارد لتعلم ومراجعة الرياضيات للتعلم الآلي.
بقلم جان جاليير وجوسلين Quaintance
يتضمن المفاهيم الرياضية للتعلم الآلي وعلوم الكمبيوتر.
الكتاب: https://www.cis.upenn.edu/~jean/math-deep.pdf
بقلم إيان جودلو ويوشوا بينجيو وآرون كورفيل
وهذا يشمل أساسيات الرياضيات للتعلم العميق من كتاب التعلم العميق.
الفصل: https://www.deeplearningbook.org/contents/part_basics.html
بقلم مارك بيتر ديزنروث ، أ. ألدو فيصل ، وتشنغ قريبا أونج
ربما هذا هو المكان الذي تريد البدء فيه. ابدأ ببطء والعمل على بعض الأمثلة. انتبه عن كثب للتدوين والراحة معها.
الكتاب: https://mml-book.github.io
بقلم كيفن باتريك ميرفي
يحتوي هذا الكتاب على نظرة عامة شاملة على أساليب التعلم الآلي الكلاسيكي والمبادئ التي تشرحها.
الكتاب: https://probml.github.io/pml-book/book1.html
بقلم برنت فيرنيس ، راشيل هو وآخرون.
يحتوي هذا المرجع على بعض المفاهيم الرياضية للمساعدة في بناء فهم أفضل للتعلم العميق.
الفصل: https://d2l.ai/chapter_appendix-mathematics-for-deep-learning/index.html
بواسطة Benoit Liquet و Sarat Moka و Yoni Nazarathy
يوفر هذا الكتاب نظرة عامة كاملة وموجزة على الهندسة الرياضية للتعلم العميق. بالإضافة إلى نظرة عامة على أسس التعلم العميق ، يتضمن العلاج الشبكات العصبية التلافيفية والشبكات العصبية المتكررة والمحولات والشبكات العدائية التوليدية والتعلم التعزيز والحيل المتعددة للتجارة. ينصب التركيز على الوصف الرياضي الأساسي لنماذج التعلم العميق والخوارزميات والأساليب.
الكتاب: https://deeplearningmath.org
بقلم أليسيا أ. جونسون ، مايلز ك. أوت ، لي دوكو
كتاب رائع على الإنترنت يغطي مقاربات بايزي.
الكتاب: https://www.bayesrulesbook.com/index.html
بقلم تيرينس بار وجيريمي هوارد
في التعلم العميق ، تحتاج إلى فهم مجموعة من عمليات المصفوفة الأساسية. إذا كنت ترغب في الغوص في عمق الرياضيات في حساب التفاضل والتكامل ، فهذا هو دليلك.
ورقة: https://arxiv.org/abs/1802.01528
بقلم جيتا كوتنيوك
مقال يلخص أهمية الرياضيات في أبحاث التعلم العميق وكيف تساعد على تقدم هذا المجال.
ورقة: https://arxiv.org/pdf/2203.08890.pdf
للدكتور سام كوبر والدكتور ديفيد داي
Backpropagation هي خوارزمية رئيسية لتدريب الشباك العصبية العميقة التي تعتمد على حساب التفاضل والتكامل. تعرف على مفاهيم مثل السلسلة ، جاكوبيان ، النسب التدرج.
قائمة تشغيل الفيديو: https://www.youtube.com/playlist؟list=pliiljhvn6z193bbzs0ln8nnqmzimtw23
للدكتور سام كوبر والدكتور ديفيد داي
رفيق رائع لمحاضرات الفيديو السابقة. تقوم الشبكات العصبية بتحولات على البيانات وتحتاج إلى الجبر الخطي للحصول على حدس أفضل لكيفية القيام بذلك.
قائمة تشغيل الفيديو: https://www.youtube.com/playlist؟list=pliiljhvn6z1_o1ztxtkwprshrmrblo5p3
من قبل أناند الآاتي
المحاضرات التي تحتوي على تفسيرات رياضية للعديد من المفاهيم في التعلم الآلي.
الدورة: https://www.youtube.com/playlist؟list=ploromvodv4rnh7ql6-efu_q2_bpuy0adh
بقلم جيروم فريدمان وروبرت تيبشيراني وتريفور هاستي
يتعامل التعلم الآلي مع البيانات وبالتالي عدم اليقين وهو ما تهدف الإحصائيات إلى التدريس. احصل على راحة مع مواضيع مثل المقدرين ، والأهمية الإحصائية ، وما إلى ذلك.
الكتاب: https://hastie.su.domains/elemstatlearn/
إذا كنت مهتمًا بمقدمة للتعلم الإحصائي ، فقد ترغب في التحقق من "مقدمة للتعلم الإحصائي".
بواسطة et jaynes
في التعلم الآلي ، نحن مهتمون ببناء النماذج الاحتمالية ، وبالتالي ستواجه مفاهيم من نظرية الاحتمال مثل الاحتمال الشرطي وتوزيعات الاحتمالات المختلفة.
المصدر: https://bayes.wustl.edu/etj/prob/book.pdf
بقلم ديفيد جي سي ماكاي
عندما تقوم بتطبيق التعلم الآلي ، فإنك تتعامل مع معالجة المعلومات التي تعتمد في جوهرها على أفكار من نظرية المعلومات مثل الانتروبيا وتباعد KL ، ...
الكتاب: https://www.inference.org.uk/itprnn/book.html
من قبل أكاديمية خان
نظرة عامة كاملة على الإحصاءات والاحتمالية اللازمة للتعلم الآلي.
الدورة: https://www.khanacademy.org/math/statistics-probability
بقلم شيلدون أكسلر
الشرائح ومحاضرات الفيديو على كتاب الجبر الخطي الشهير الجبر الخطي المنجز بشكل صحيح.
محاضرة وشرائح: https://linear.axler.net/ladrvideos.html
من قبل أكاديمية خان
المتجهات ، المصفوفات ، العمليات عليها ، DOT & Cross Product ، مضاعفة المصفوفة وما إلى ذلك أمر ضروري للفهم الأساسي للرياضيات ML.
الدورة: https://www.khanacademy.org/math/linear-algebra
من قبل أكاديمية خان
precalculus ، حساب التفاضل والتكامل التفاضلي ، حساب التفاضل والتكامل المتكامل ، حساب التفاضل والتكامل متعدد المتغيرات
الدورة: https://www.khanacademy.org/math/calculus-home
هذه المجموعة بعيدة عن الشاملة ، لكن يجب أن توفر أساسًا جيدًا للبدء في تعلم بعض المفاهيم الرياضية المستخدمة في التعلم الآلي. تواصل على Twitter إذا كان لديك أي أسئلة.
