Comment Un Passionné De Mathématiques Peut-il Commencer À Maîtriser L’ia ?

Vos faibles compétences en mathématiques ont entravé votre quête de l’IA. Je vous recommande quelques « livres de mathématiques pour adultes » qui, je pense, vous seront utiles.

Je crois que vous qui me suivez devez croire :
Le cœur de l’IA n’est pas le battage médiatique, mais un réel avantage.
Vous comprenez également que l’IA finira par dévorer tous les emplois du monde.
Vous comprenez encore plus que vous devez apprendre l’IA. Le monde futur appartient à l’IA. Si vous n’apprenez pas, vous n’aurez d’autre choix que de prendre votre retraite et de rentrer chez vous.

Mais voilà le problème : vous êtes vraiment mauvais en mathématiques. En tant que programmeur, vous pouviez tout faire sans mathématiques auparavant, mais vous avez ouvert « Pioneering Deep Learning » d'Ian Goodfellow, un livre incontournable sur l'IA. Vous connaissez chaque mot, mais vous n’avez aucune idée de ce dont il parle.

Vous devez comprendre une hiérarchie imbriquée de logique, de terminologie, de symboles et d'idées qui s'appuient toutes les unes sur les autres, mais vous n'avez aucune idée, donc tout le consensus est fondamentalement klingon et il n'y a aucun moyen de commencer.

Le blogueur technologique Daniel Jeffries a déjà eu le même problème. Il est rapidement passé du statut d'élève médiocre à celui d'élève brillant grâce à quelques « livres de mathématiques écrits pour adultes ». Voici quelques livres que je recommande pour votre référence :

Le premier livre qu’il a recommandé était : Mathématiques : une très courte introduction de Timothy Gowers.

Ce livre répond de manière intelligente et précise à la question « Pourquoi les mathématiques ? » Cela commence par le banal et s’élève jusqu’à la philosophie, puis cache la philosophie derrière elle – parce que vous n’avez pas besoin de savoir si ce que vous étudiez existe réellement dans le monde ou est simplement platonicien. Timothy m'a fait comprendre que les mathématiques sont une couche d'abstraction et que la vie est une série d'algorithmes complexes. Les mathématiques décomposent les problèmes de la vie réelle en étapes plus simples et plus directes : créer un modèle précis des interactions entre particules nécessite de prendre en compte d'innombrables variables du monde réel, telles que : les interférences magnétiques, la gravité, les collisions, la direction et la vitesse initiales des particules, et bien d'autres encore. En pratique, vous n’avez pas besoin de créer un modèle parfait, mais les mathématiques peuvent vous dire quel est le modèle en décomposant les variables et en les agrégeant, et c’est ce qui est intéressant avec les mathématiques. En réalité, les chiffres n’ont pas d’importance, ce sont juste des variables. Les mathématiques sont le résultat de variables et de règles. Ce que vous devez réellement apprendre, ce sont ces variables et ces règles.

En lisant ce livre, vous aurez besoin d'un guide pratique sur les principaux symboles mathématiques. Je vous recommande « Notation mathématique, par Edward R. Scheinerman ». Vous devez voir ces symboles des centaines de fois avant de vous souvenir de leur signification - et vous constaterez peut-être que vous les avez oubliés lorsque vous l'ouvrez une deuxième fois. Ne vous inquiétez pas, respirez profondément, ralentissez et regardez les symboles un par un jusqu'à ce que vous commenciez à comprendre cette chaîne de hiéroglyphes à l'aspect fou. Même si vous devez rechercher chaque symbole mille fois, vérifiez-le ! Il n’y a pas de raccourcis vers l’apprentissage.

Il existe deux autres supports solides pour construire vos bases mathématiques. Le premier est Mathématiques pour le non-mathématicien de Morris Kline. Le deuxième livre est No Bullshit Guide to Math and Physics d'Ivan Savov.

Chacun a des caractéristiques différentes. Je préfère une introduction très brève car elle entre rapidement dans le vif du sujet tout en restant pertinente. Mathématiques pour les non-mathématiciens est beaucoup plus long et entre plus en détail dans l'histoire des mathématiques et dans le fonctionnement du monde. Certaines personnes peuvent aimer cette façon d’apprendre. Le Guide pratique des mathématiques et de la physique est un livre rapide qui se concentre sur l'introduction des règles : il plonge directement dans les équations, sans avoir le temps de vous dire pourquoi quelque chose est comme il est et pas comme il est. Cela plaira aux personnes qui n’ont pas de bagage philosophique.

Il existe également un livre intitulé Algebra Unplugged, de Jim Loats et Kenn Amdahl. Ce livre comporte quelques fautes de frappe, mais cela n'affecte pas la lecture. Je pense que ce livre peut accélérer notre lecture et vous faire avancer dans la bonne direction. C'est très bien.

Une fois que vous aurez maîtrisé les éléments ci-dessus, vous pourrez commencer à apprendre un contenu plus approfondi. Je recommande Make Your Own Neural Network de Tariq Rashid.

Le livre contient également quelques fautes de frappe, mais les mises à jour sur Github corrigent la plupart des bugs. L'auteur de ce livre semble connaître les difficultés que vous rencontrez et peut vous apporter des réponses. Pour faire simple, ce qui est bien avec cette méthode, c'est que vous êtes particulièrement inquiet que votre ennemi l'ait. Ce livre fournit uniquement des réponses aux problèmes mathématiques liés aux réseaux de neurones. Il suppose que le lecteur ne sait rien de la programmation et se termine par la capacité d'écrire vos propres réseaux neuronaux en Python. Il existe en effet aujourd’hui de nombreux outils qui peuvent vous aider à programmer plus rapidement, mais vous pouvez d’abord essayer de le faire vous-même et apprendre les bases en cours de route. Après avoir compris la structure de base, vous pouvez commencer à apprendre à ajouter des branches et des feuilles au site Web. Dans le prochain numéro, nous parlerons de ce que sont ces sites Web utiles. On se voit là-bas.

De nouvelles personnes formidables émergent chaque jour, alors continuez.

Compilé à partir de : Blog technoon de Daniel Jeffries : https://hackernoon.com/learning-ai-if-you-suck-at-math-8bdfb4b79037?from=singlemessage