mirror of
https://github.com/exacity/deeplearningbook-chinese.git
synced 2026-03-13 09:22:07 +08:00
22 lines
985 B
TeX
22 lines
985 B
TeX
% !Mode:: "TeX:UTF-8"
|
|
\part{应用数学与机器学习基础}
|
|
\label{part:applied_math_and_machine_learning_basics}
|
|
|
|
\newpage
|
|
|
|
本书这一部分将介绍理解\gls{DL}所需的基本数学概念。
|
|
我们从应用数学的一般概念开始，这能使我们定义许多变量的函数，找到这些函数的最高和最低点，并量化信念度。
|
|
|
|
接着，我们描述\gls{ML}的基本目标，并描述如何实现这些目标。
|
|
我们需要指定代表某些信念的模型、设计衡量这些信念与现实对应程度的\gls{cost_function}以及使用训练算法最小化这个\gls{cost_function}。
|
|
|
|
|
|
这个基本框架是广泛多样的\gls{ML}算法的基础，其中也包括非深度的\gls{ML}方法。
|
|
在本书的后续部分，我们将在这个框架下开发\gls{DL}算法。
|
|
|
|
\input{Chapter2/linear_algebra.tex}
|
|
\input{Chapter3/probability_and_information_theory.tex}
|
|
\input{Chapter4/numerical_computation.tex}
|
|
\input{Chapter5/machine_learning_basics.tex}
|
|
|