Je kunt niet aan de wiskunde ontsnappen als je wilt begrijpen hoe machine learning-algoritmen werken. Lineaire algebra, statistiek, waarschijnlijkheid en calculus zijn de vier belangrijkste subvelden die een voorwaarde zijn voor het leren van de interne werking van de algoritmen. Het bericht somt de cursussen op om calculus te leren, maar laten we eerst begrijpen wat de noodzaak is om calculus te leren. 

Je moet calculus kennen om afgeleiden te berekenen, bijvoorbeeld om de neurongewichten in de backpropagatie van een neuraal netwerk aan te passen. In wezen heb je calculus nodig om de associatie tussen een reeks invoer- en uitvoervariabelen te begrijpen. Deze studie van meerdere attributen wordt multivariate calculus genoemd en wordt gebruikt bij het berekenen van de minimum- en maximumwaarden van een functie, afgeleiden, kostenfuncties, enz.

Nu we begrijpen waarom calculus een belangrijke voorwaarde is om te begrijpen hoe machine learning-algoritmen werken, gaan we kijken welke vaardigheden je nodig hebt om calculus te leren.

Je moet een redelijk inzicht hebben in algebra, meetkunde en trigonometrie om calculus te begrijpen. Verder zou ik u ten zeerste aanbevelen dit uitstekende artikel van te lezen Khan Academy dat de nadruk legt op de belangrijkste vaardigheden voordat u aan een cursus calculus begint. 

1. Calculus 1 door Khan Academy

De video's en uitleg van de Khan Academy maken het leren van elk nieuw wiskundeconcept zeer eenvoudig, zelfs voor een nieuweling, en worden in het algemeen ten zeerste aanbevolen. De cursus rekenen behandelt concepten als limieten, continuïteit, integralen, afgeleiden - basis- en geavanceerde onderwerpen zoals kettingregel, tweede afgeleiden, enz.

2. Calculus voor machinaal leren door Jon Krohn

Het is een afspeellijst met 56 video's door Jon Krohn. Het behandelt de fundamenten van calculus met onderwerpen als partiële afgeleiden, deltamethode, machtsregel, enz. Jon heeft ook een soortgelijke cursus over lineaire algebra gemaakt als onderdeel van fundamentele concepten om hedendaagse machine learning- en datawetenschapstechnieken te begrijpen.

3. Wiskunde voor machinaal leren: multivariate calculus – Imperial College London

 
Deze les is een onderdeel van de “Mathematics for Machine Learning Specialization” gehost bij Coursera. Het is een cursus die u in uw eigen tempo kunt volgen, met flexibele deadlines, waardoor deze geschikt is voor zowel werkende professionals. Het duurt in totaal 18 uur om de cursus te voltooien en wordt aangeboden door het Imperial College of London. 

Volgens de cursusoverzichtpagina helpt het de studenten inzicht te krijgen in de volgende concepten:

• Multivariate calculus om veel algemene machine learning-technieken te bouwen 
• De gradiënt van een functie
• Bouw benaderingen van functies
• De rol van neurale netwerken bij het trainen van neurale netwerken
• Toepassing van calculus in lineaire regressiemodellen

Je kunt ook de videoplaylist van deze online specialisatie bekijken hier.

4. Inleiding tot Calculus door de Universiteit van Sydney

Het is een cursus op middelbaar niveau dat duurt 59 uur in vijf weken. De cursus wordt gegeven door Associate Prof David Easdown en wordt aangeboden door de Universiteit van Sydney. De cursus legt de fundamentele concepten uit, zoals precalculus, raaklijnen, limieten, enz. De cursus wordt gehost bij Coursera en biedt na voltooiing een deelbaar certificaat. 

5. 18.01x Enkelvoudige Variabele Calculus door MIT

Het is een uitputtende en programma op gevorderd niveau aangeboden door MIT de concepten van calculus onder de knie krijgen en leren hoe u afgeleiden en integralen kunt berekenen. De belangrijkste conclusie van de cursus is dat deze niet alleen de geometrische interpretatie uitlegt, maar ook helpt bij het leren door toepassing van dergelijke wiskundige concepten in de echte wereld.  

Als u de cursuspagina citeert, zullen de leerlingen het begrijpen 

• Verschillende manieren om de afgeleide en integraal van een functie te interpreteren en hoe deze grootheden te berekenen
• Hoe lineaire en kwadratische benaderingen van functies te gebruiken om berekeningen te vereenvoudigen en inzicht te krijgen in het systeemgedrag
• Toepassingen van de afgeleide en integraal, zoals bij het optimaliseren van de productiekosten of het berekenen van de spanning op een constructiebalk
• De calculus van geparametriseerde curven en poolcoördinaten
• Hoe ingewikkelde functies te benaderen met een reeks eenvoudigere functies

Het programma bestaat uit een serie van drie cursussen: Differentiatie, Integratie en Coördinatiesystemen, en Infinite Series. Elke cursus vergt een tijdsbesteding van 6-10 uur per week en beslaat ongeveer 13-15 weken.

Een bonustip om in zeven dagen rekenen te leren is een minicursus van Jason Brownlee. Hij is een AI/ML-expert met een talent om theoretische en wiskunde-intensieve machine learning-concepten uit te leggen in de vorm van praktische en codegeoriënteerde formaten. 

Zijn mini-cursus behandelt algemene calculusconcepten die worden gebruikt bij machinaal leren, samen met python-oefeningen. De cursus duurt zeven dagen en verwacht van de leerling dat hij een fundamentele kennis heeft van machine learning-modellen, Python en lineaire algebra. De belangrijkste concepten die in deze cursus aan bod komen, zijn onder meer differentiatie, integratie, de gradiënt van een vectorfunctie, backpropagatie, optimalisatie, enz.

Aan het einde van elke les stelt de cursus voor dat u een opdracht voltooit die vergelijkbaar is met wat er in de vorige les is geleerd, en de resultaten worden ook tegen het einde gedeeld.   

In een poging om jou in staat te stellen een datawetenschapper te worden die goed thuis is in de interne werking van machine learning-algoritmen, deelt de post vijf gratis cursussen om calculusconcepten onder de knie te krijgen. Ik hoop dat je de lijst met cursussen die in dit bericht wordt gedeeld nuttig vindt in je data science-reis. 

 
 
Vidhi Chugh is een bekroonde AI/ML-innovatieleider en een AI-ethicus. Ze werkt op het snijvlak van datawetenschap, product en onderzoek om zakelijke waarde en inzichten te leveren. Ze is een pleitbezorger voor datacentrische wetenschap en een vooraanstaand expert in datagovernance met een visie om betrouwbare AI-oplossingen te bouwen.