डेटा खनन और कृत्रिम बुद्धि एल्गोरिदम के लिए गणित का आधार

Question

क्या आप मुझे डेटा माइनिंग और आर्टिफिशियल इंटेलिजेंस एल्गोरिदम के बारे में कुछ स्पष्टीकरण दे सकते हैं? उन्होंने किस गणित के आधार का उपयोग किया? क्या आप मुझे गणित में इस प्रकार के एल्गोरिदम को समझने के लिए शुरुआती बिंदु दे सकते हैं?

Comments

एक उदाहरण देने के लिए, डेविड फेर्रूसी, जिन्होंने आईबीएम दीपिका / वाटसन की जीत पर नेतृत्व किया, ने कहा कि उन्हें एक हाइब्रिड सिस्टम होना चाहिए: एनएलपी, कम्प्यूटेशनल भाषा विज्ञान, खेल सहित कई विषयों से 4 वर्षों के लिए 20-25 लोगों की टीम। सिद्धांत, स्टोचस्टिक और अनुकूलन और अन्य विषयों ने इस पर काम किया।

डेटा माइनिंग में शीर्ष 10 एल्गोरिदम प्रेरणादायक और अग्रणी एल्गोरिदम का एक सौम्य अवलोकन देता है। मुझे डर है कि आपको उपयोगी उत्तर प्राप्त करने के लिए अधिक विवरण (क्या एप्लिकेशन? किस स्तर का विवरण?) प्रदान करने की आवश्यकता होगी।

— chl

Answer 1

यह वास्तव में सांख्यिकीविदों के समुदाय के भीतर थोड़ा अजीब लग सकता है, लेकिन मुझे पूरा यकीन है कि अधिकांश मशीन लर्निंग एल्गोरिदम को कार्यात्मक न्यूनता समस्याओं के रूप में तैयार किया जा सकता है। इसका मतलब है कि यह गणितीय अनुकूलन के साथ कवर किया जाएगा ।

दूसरी बात यह है कि अनुकूलन को समझने के लिए आपको कैलकुलस और रैखिक बीजगणित की आवश्यकता होगी । और अपने परिणामों की व्याख्या करने के लिए आपके पास संभावना सिद्धांत और आंकड़ों में कुछ पृष्ठभूमि होगी ।

Comments

क्या यह विशुद्ध रूप से सांख्यिकीविदों का एक समुदाय है, क्या मशीन सीखने वालों के लिए एक बेहतर स्टैक एक्सचेंज साइट है, मुझे यकीन नहीं है कि कोई समर्पित है?

— image_doctor

मैं विशिष्ट मशीन लर्निंग स्टैक एक्सचेंज साइट नहीं जानता। लेकिन इसमें आप बहुत सारे "मशीन लर्निंग" लोगों (उदाहरण के लिए मुझे) पा सकते हैं, क्योंकि आंकड़े और मशीन लर्निंग वास्तव में बहुत-बहुत जुड़े हुए हैं।

— दिमित्री लैपटेव

Answer 2

यह सवाल शायद व्यापक है, आपको इस बारे में कुछ और कहना चाहिए कि आप डेटा माइनिंग के लिए क्या उपयोग करेंगे! लेकिन, डेटा माइनिंग अनिवार्य रूप से आँकड़े हैं, और एआई का उपयोग जो मैंने देखा है, वह आँकड़े भी हैं। तो, आपको जो गणित चाहिए वह गणित है जो आपको आँकड़ों के लिए चाहिए: 1) पथरी और वास्तविक विश्लेषण 2) संभावना 3) रैखिक बीजगणित! व्यावहारिक रूप से, 3) सबसे महत्वपूर्ण हो सकता है, लगभग जो कुछ भी आप कर रहे होंगे (1 और 2 के समावेशी उपयोग),) आप रैखिक बीजगणित पर बहुत अधिक निर्भर करेंगे। तो, न केवल अवधारणाओं, बल्कि जोड़ तोड़ कौशल प्राप्त करना सुनिश्चित करें!

बहुत अधिक उपयोग किया जाता है, लेकिन शायद अधिक विशिष्ट। इसलिए जब तक आप अपने प्रश्न (और सीखा 1), 2) और 3) को अधिक विस्तृत सलाह देने के लिए समझ में नहीं आता है)

Answer 3

यह एक उचित सवाल लगता है, मुझे मशीन सीखने के लिए क्या गणित सीखना चाहिए?
शायद यह जवाब है कि व्यापक है। चूंकि एमएल कई विषयों से आकर्षित होता है।

दूसरों ने सुझाव दिया है, रैखिक बीजगणित, संभाव्यता सिद्धांत, सांख्यिकी, मीट्रिक रिक्त स्थान और कई अन्य जो सभी प्रासंगिक हैं।

शायद एक काम करने योग्य तरीका यह है कि कुछ सबसे लोकप्रिय एमएल एल्गोरिदम को सूचीबद्ध करें और उन पर एक नज़र डालें और गणित में भरें कि आपको लगता है कि आप बहुत सहज हैं।