Re: [請益] 想學程式但數學基礎很差怎麼進步

看板Soft_Job (軟體人)作者hidog (.....)時間2月前 (2024/03/12 11:19)推噓1(1推 0噓 0→)

留言1則, 1人參與討論串7/7 (看更多)

※ 引述《d8888 (Don)》之銘言： : 1. 高淑蓉高等微積分（一） : https://www.youtube.com/watch?v=0vGrHMwdotE

: 學高微是為了某些初微沒深入講的應用，例如 R^n（n>3）上的微積分或是矩陣上的微積 : 分，結果目前看了約 50% 就陷入嚴重精神污染，覺得睡覺會聽到古神的低語。目前決定 : 先暫停影片補書本基礎。結果指定教材看到 Introduction 集合理論公理化還有邏輯學就 : 倒了，後來想換個中文講義降低難度，遇到戴德金分割這種玄學小弟又倒了。看來小弟不 : 是適合數學的料 XDDDDDD : 也順便問問有沒有同好有推薦的 Q<>Q 關鍵字 jacobian https://zh.wikipedia.org/zh-tw/%E9%9B%85%E5%8F%AF%E6%AF%94%E7%9F%A9%E9%98%B5 用在 R^n -> R^m 的 function 微分. R^n -> R, 這算是一個簡化的特例關鍵字 gradient https://zh.wikipedia.org/zh-tw/%E6%A2%AF%E5%BA%A6 machine learning通常會需要求極值, 微積分告訴我們極值會發生在微分 = 0的位置,也介紹了數個方法求極值 https://zh.wikipedia.org/zh-tw/%E6%87%89%E7%94%A8%E6%96%BC%E6%9C%80%E5%84%AA%E5%8C%96%E7%9A%84%E7%89%9B%E9%A0%93%E6%B3%95 例如牛頓法可以拿來求f' = 0, 也支援R^n函數求極值的方法很多,我畢業很久一時想不起來那些名詞,牛頓法是最基本的方法沒記錯統計學上也有一些相關討論求完極值後,還會有global跟local極值的問題, 沒記錯目前沒有方法保證求到的是global minimal. ML基本常用的數學就這幾個方向吧? 個人覺得不太需要看高微微積分,高微,實變,這幾個數學上歸類analysis相關課程外系微積分會介紹怎麼微分跟積分高微會討論那些函數無法微分跟積分實變出現了Lebesgue integral來討論黎曼積分無法積分的那些函數這些課程我們關心一個sequence {fn}, 若fn -> f, fn都可微,是否保證f可微若無法保證f可微,增加哪些條件可以保證f可微? 當然完整的課程內容不只這些,但我主要想講的是個人沒那麼建議念高微高微更多重點放在理論討論,而且高微不好入門,不如念一些好入門的東西. https://hackmd.io/@johnnyasd12/rkFd2TuK7 有點偏離原本的主題了,這篇是回給d8888,對ML,DL有興趣可以參考我貼的這個連結 -- ※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 111.241.181.76 (臺灣) ※ 文章網址: https://www.ptt.cc/bbs/Soft_Job/M.1710213590.A.6E9.html