Wie Kann Ein Mathe-Nerd Anfangen, KI Zu Meistern?

Ihre mangelnden Mathematikkenntnisse haben Ihr Streben nach KI behindert. Ich empfehle einige „Mathebücher für Erwachsene“, von denen ich glaube, dass sie Ihnen hilfreich sein werden.

Ich glaube, dass Sie, die mir folgen, glauben müssen:
Der Kern der KI ist nicht der Hype, sondern der echte Nutzen.
Ihnen ist auch klar, dass die KI letztendlich alle Arbeitsplätze auf der Welt verschlingen wird.
Sie verstehen noch mehr, dass Sie KI lernen müssen. Die Welt der Zukunft gehört der KI. Wenn Sie nicht lernen, bleibt Ihnen keine andere Wahl, als in Rente zu gehen und nach Hause zurückzukehren.

Aber hier kommt das Problem: Sie sind wirklich schlecht in Mathe. Als Programmierer konnten Sie vorher alles ohne Mathematik machen, aber Sie haben Ian Goodfellows „Pioneering Deep Learning“ aufgeschlagen, ein unverzichtbares Buch zum Thema KI. Sie kennen jedes Wort, haben aber keine Ahnung, wovon er spricht.

Sie müssen eine verschachtelte Hierarchie aus Logik, Terminologie, Symbolen und Ideen verstehen, die alle aufeinander aufbauen, aber Sie haben keine Ideen, sodass der gesamte Konsens im Grunde klingonisch ist und Sie keine Möglichkeit haben, anzufangen.

Der Technologieblogger Daniel Jeffries hatte einmal das gleiche Problem. Durch einige „Mathebücher für Erwachsene“ entwickelte er sich schnell vom schlechten zum Spitzenschüler. Hier sind einige Bücher, die ich Ihnen als Referenz empfehle:

Das erste Buch, das er empfahl, war: „Mathematics: A Very Short Introduction“ von Timothy Gowers.

Dieses Buch analysiert die Frage „Warum Mathematik?“ auf clevere und präzise Weise. Es beginnt mit dem Alltäglichen, steigt zur Philosophie auf und verbirgt dann die Philosophie dahinter – denn Sie müssen nicht wissen, ob das, was Sie studieren, wirklich in der Welt existiert oder nur platonischer Natur ist. Timothy hat mir klar gemacht, dass Mathematik eine Abstraktionsebene ist und das Leben aus einer Reihe komplexer Algorithmen besteht. Die Mathematik zerlegt reale Probleme in einfachere und direktere Schritte. Um ein genaues Modell der Wechselwirkungen von Teilchen zu erstellen, müssen unzählige Variablen der realen Welt berücksichtigt werden, wie etwa magnetische Interferenzen, Schwerkraft, Kollisionen, die ursprüngliche Richtung und Geschwindigkeit der Teilchen und viele mehr. In der Praxis müssen Sie kein perfektes Modell erstellen, aber die Mathematik kann Ihnen sagen, was das Modell ist, indem sie die Variablen aufschlüsselt und aggregiert, und das ist das Interessante an der Mathematik. In Wirklichkeit spielen die Zahlen keine Rolle, es sind lediglich Variablen. Mathematik ist das Ergebnis von Variablen und Regeln. Was Sie tatsächlich lernen müssen, sind diese Variablen und Regeln

Beim Lesen dieses Buches wünschen Sie sich einen praktischen Leitfaden zu den wichtigsten mathematischen Symbolen. Ich empfehle Ihnen „Mathematical Notation“ von Edward R. Scheinerman. Sie müssen diese Symbole hunderte Male sehen, bevor Sie sich an ihre Bedeutung erinnern – und beim zweiten Öffnen stellen Sie möglicherweise fest, dass Sie sie vergessen haben. Machen Sie sich keine Sorgen, atmen Sie tief durch, machen Sie langsam und schauen Sie sich die Symbole einzeln an, bis Sie anfangen, diese verrückt aussehende Hieroglyphenfolge zu verstehen. Auch wenn Sie jedes Symbol tausendmal nachschlagen müssen, prüfen Sie es! Es gibt keine Abkürzungen zum Lernen.

Es gibt zwei weitere wichtige Grundlagen für Ihren Mathematikunterricht. Das erste ist „Mathematics for the Nonmathetician“ von Morris Kline. Das zweite Buch ist „No Bullshit Guide to Math and Physics“ von Ivan Savov.

Jeder Mensch hat andere Eigenschaften. Ich bevorzuge eine sehr kurze Einleitung, da sie schnell in das Thema einsteigt und dennoch relevant bleibt. „Mathematik für Nichtmathematiker“ ist viel länger und geht detaillierter auf die Geschichte der Mathematik und die Funktionsweise der Welt ein. Manchen Leuten gefällt diese Art des Lernens vielleicht. Der No-Nonsense Guide to Mathematics and Physics ist ein schnell zu lesendes Buch, das sich auf die Einführung der Regeln konzentriert: Es taucht direkt in die Gleichungen ein, ohne Zeit darauf zu verwenden, Ihnen zu erklären, warum etwas so ist, wie es ist, und nicht anders. Dies wird Menschen ansprechen, die kein philosophisches Gepäck haben.

Es gibt auch ein Buch mit dem Titel „Algebra Unplugged“ von Jim Loats und Kenn Amdahl. Dieses Buch enthält einige Tippfehler, die das Lesen jedoch nicht beeinträchtigen. Ich denke, dieses Buch kann unser Lesen beschleunigen und Sie in die richtige Richtung lenken. Es ist sehr gut.

Nachdem Sie die oben genannten Punkte gemeistert haben, können Sie mit dem Erlernen tiefergehender Inhalte beginnen. Ich empfehle „Make Your Own Neural Network“ von Tariq Rashid.

Das Buch enthält auch einige Tippfehler, aber die Updates auf Github beheben die meisten Fehler. Der Autor dieses Buches scheint zu wissen, auf welche Schwierigkeiten Sie stoßen, und kann Antworten darauf geben. Einfach gesagt, das Gute daran ist, dass Sie sich besonders große Sorgen machen müssen, dass Ihr Feind es hat. Dieses Buch bietet nur Antworten auf mathematische Probleme im Zusammenhang mit neuronalen Netzwerken. Es wird davon ausgegangen, dass der Leser keine Programmierkenntnisse hat, und endet damit, dass Sie in der Lage sind, Ihre eigenen neuronalen Netzwerke in Python zu schreiben. Heutzutage stehen tatsächlich viele Tools zur Verfügung, mit denen Sie schneller programmieren können. Sie können es aber auch zunächst selbst versuchen und sich dabei die Grundlagen aneignen. Nachdem Sie die Grundstruktur herausgefunden haben, können Sie lernen, der Website Zweige und Blätter hinzuzufügen. In der nächsten Ausgabe werden wir darüber sprechen, was diese nützlichen Websites sind. Wir sehen uns dort.

Jeden Tag tauchen neue, tolle Leute auf, also machen Sie weiter.

Zusammengestellt aus: Daniel Jeffries Technoon-Blog: https://hackernoon.com/learning-ai-if-you-suck-at-math-8bdfb4b79037?from=singlemessage