1樓：臉雲
都是自動微分庫鬧得呀……
不過都調包俠了，會用 sklearn 和 tf.train.AdamOptimizer 就行了，要啥數學
2樓：
不需要，反正煉丹就是了。煉丹俠連用加減法算算padding多厚都不需要了，只需要記住lr從0.07/0.
03/0.01/0.007/...
乙個乙個試一輪一輪煉丹就是了，哪需要什麼微積分。
【cnn lstm transformer抄起來就是一把梭.jpg
3樓：人工智慧插班生
我個人總結機器學習三板斧：
所有的人工智慧問題都會聚焦到這三個，深度學習也不例外。
在第三部選擇最佳的函式過程中，一般就是求函式極值的過程，求乙個函式極大值和極小值，有一種極為關鍵的演算法「梯度下降\上公升」肯定會用到微分的知識。（人工智慧中使用積分的場景不太多）
4樓：走在邊沿上
微積分就是高等數學裡的"加減乘除"基本運算。線性代數、概率論與數理統計都是建立在微積分的基礎之上的。
不用微積分，我們怎麼算連續分布的Kullback-Lebler散度？或者更簡單的，怎麼算高斯分布的累計分布函式？
人工智慧領域需要用到哪些數學？
lccurious 既然說的是數學，我覺得首先看切入點，如果是計算視覺，畢竟視覺是個很大的坑 1.線性代數 各種與線性代數相關的數學知識是肯定要掌握的。像當下大家習慣用張量來表示資料。2.復變函式 或者說訊號與系統，影象中的濾波，相關資料的預處理，參考數字影象處理。3.微積分 這些是真的基礎了，對其...
如果想從事人工智慧方面的研究，應該考研或者有什麼好的發展建議麼？都需要學些什麼知識？
超越 這麼多年過去了，需要學習的知識也該更新一下。就目前而言，卷積神經網路及其變體，是應該掌握的，包括一 卷積神經網路 下圖所示的LeNet 5，是卷積神經網路的開山之作。二 殘差網路 殘差網路是一種層數極深 含有跨層連線的卷積神經網路。殘差網路 三 殘差收縮網路 針對含噪 高冗餘的資料，殘差收縮網...
研究生階段做人工智慧 ai演算法 有必要先搞嵌入式嗎？
CodeAllen 我沒從事過AI,不過嵌入式還是有些經驗的，有些聯絡，因為最終的演算法是執行在晶元上的，這部分屬於嵌入式範疇，但是涉及的內容已經很偏底層及驅動部分，學習這塊的精力耗費很大，我相信你應該沒有這個時間精力雙管齊下 而且從之後的工作來看，人工智慧大概率是去網際網路企業從事應用及演算法開發...