鹊山

基础概念

1、人工智能现在约等于机器学习
2、评价标准——损失函数：y=ax+b中的ab和真实的偏差
3、人工智能目前最常用梯度下降
4、没有足够利用数据的模型数据就是负担，深度学习可以利用大数据因为参数多
5、从小数据到大数据，从小模型到大模型
6、如何用小样本学习而不是堆计算资源

回顾数学基础

1、微积分
没记全，差不多都知道
泰勒展开—>同态加密
梯度下降—>数值分析，机器学习，优化理论
2、线性代数——数据高维，矩阵操作
Scalar，Vector，Matrix，Tensor——标量，向量，矩阵，张量
3、概率统计——贝叶斯，分布估计
期望、方差、相关性
Pearson相关性只判断线性相关，非线性相关不能判断、相关性不意味着有因果性
Entropy——熵，信息量，熵越小信息量越高
抽样推测全体分布——泛化能力
贝叶斯公式P(A|B)=P(AB)*P(A)/P(B)
分布——分布函数，密度函数

编程基础

Python
补：语言类型：（网上查的）