數學基礎 | 數理統計

在人工智慧的研究中，數理統計同樣不可或缺，基礎的統計理論有助於對機器學習的算法和數據挖掘的結果做出解釋，只有做出合理的解讀，數據的價值才能夠體現，數理統計根據觀察或實驗得到的數據來研究隨機現象，並對研究對象的客觀規律做出合理的估計和判斷

雖然數理統計以概率論為理論基礎，但兩者之間存在方法上的本質區別，概率論作用的前提是隨機變量的分布已知，根據已知的分布來分析隨機變量的特徵與規律，數理統計的研究對象則是未知分布的隨機變量，研究方法是對隨機變量進行獨立重復的觀察，根據得到的觀察結果對原始分布做出推斷

Read More

深入 AlphaGo Zero 論文

長期以來，利用人工智慧技術挑戰人類的一些富有智慧的項目，例如象棋、圍棋、對話等等都被看做人工智慧技術前進的重要參照，人工智慧技術到底是不是能夠帶來「擬人」的思維和決策能力，在某種意義上成了衡量人工智慧水平以及整個行業發展的試金石

Read More

機器學習排序算法：列表法排序學習

基本的單點法排序學習（Pointwise Learning to Rank）和配對法排序學習（Pairwise Learning to Rank）兩種思路，單點法排序學習思路簡單實用，目的就是把經典的信息檢索問題轉化成機器學習問題，配對法排序學習則是把排序的問題轉化成針對某個查詢關鍵字每兩個文檔之間的相對相關性的建模問題，不過，這兩種思路也都有很明顯的問題，需要進一步對算法進行優化，以實現需要的最終目標

Read More

數學基礎 | 概率論

除了線性代數之外，概率論也是人工智慧研究中必備的數學基礎，隨著連接主義學派的興起，概率統計已經取代了數理邏輯，成為人工智慧研究的主流工具，在數據爆炸式增長和計算力指數化增強的今天，概率論已經在機器學習中扮演了核心角色

同線性代數一樣，概率論也代表了一種看待世界的方式，其關注的焦點是無處不在的可能性，對隨機事件發生的可能性進行規範的數學描述就是概率論的公理化過程，概率的公理化結構體現出的是對概率本質的一種認識

Read More

數學基礎 | 線性代數

人工智慧基礎從數學基礎開始，必備的數學知識是理解人工智慧不可或缺的要素，今天的種種人工智慧技術歸根到底都建立在數學模型之上，而這些數學模型又都離不開線性代數的理論框架

Read More