致力于創(chuàng)造通用人工智能

DataArk以數(shù)據(jù)為驅(qū)動(dòng)舵揭、以開源分享為導(dǎo)向，是致力于數(shù)據(jù)挖掘躁锡、算法創(chuàng)新和實(shí)用工具開發(fā)的開源組織<br>

評(píng)論較多映之，簡(jiǎn)書回復(fù)也不太方便拦焚，如有問(wèn)題麻煩關(guān)注下面的公眾號(hào)蜡坊，加入我的微信群一起討論。公眾號(hào)ID：小小挖掘機(jī)

首先搞糕，無(wú)論是哪方面的程序員勇吊，都要大量的投資算法和數(shù)據(jù)結(jié)構(gòu)。因?yàn)檫@是你的基本技能窍仰，就像棋手需要知道每個(gè)棋子的走法一樣汉规。在算法學(xué)習(xí)的過(guò)程中，你繞不過(guò)的就是衡量算法的效率驹吮，也就不可避免的學(xué)習(xí)Big O的知識(shí)针史。Big O，需要你了解函數(shù)和極限的一些知識(shí)碟狞，比如說(shuō)悟民，f(n) = O(g(n))是這樣定義的，當(dāng)n足夠大的時(shí)候篷就，你總可以找到一個(gè)常數(shù)c射亏，使得c * f(n) >g(n)。除了效率竭业，還有如何證明算法的正確性智润。這就要求掌握一些證明方法，比如反正法未辆，遞推歸納法窟绷。 其次，如果你遇到了性能方面的問(wèn)題咐柜，需要降低延遲兼蜈，增加吞吐的時(shí)候，你很有可能需要去設(shè)計(jì)高性能的隊(duì)列系統(tǒng)拙友，這時(shí)排隊(duì)論的知識(shí)就顯得尤為重要了为狸。排隊(duì)論要學(xué)好，概率論是基石遗契。隊(duì)列在計(jì)算機(jī)系統(tǒng)中隨處可見辐棒，操作系統(tǒng)中的進(jìn)程調(diào)度問(wèn)題，基于隊(duì)列解藕生產(chǎn)者消費(fèi)者的架構(gòu)問(wèn)題等等。 接下來(lái)如果你對(duì)離散優(yōu)化問(wèn)題感興趣漾根，如說(shuō)背包問(wèn)題泰涂，旅行者問(wèn)題，當(dāng)你需要優(yōu)化一個(gè)目標(biāo)函數(shù)的時(shí)候辐怕，你往往會(huì)用到梯度下降法逼蒙，而理解梯度下降法，對(duì)微積分要有很好的理解寄疏。更不用說(shuō)在人工智能其做，機(jī)器學(xué)習(xí)領(lǐng)域，到處都得優(yōu)化目標(biāo)函數(shù)赁还，降低預(yù)測(cè)誤差妖泄，想走的遠(yuǎn)，是必須要有數(shù)學(xué)基礎(chǔ)的艘策。 然后再說(shuō)一下蹈胡，線性代數(shù)，特別是在人工智能里面朋蔫，很多基本的模型都是線性的罚渐，你會(huì)隨處看到矩陣的用處，單純的只知道矩陣如何相乘是遠(yuǎn)遠(yuǎn)不夠的驯妄，要理解的跟深入荷并，矩陣是一個(gè)函數(shù)，用來(lái)轉(zhuǎn)換矢量青扔，既然是函數(shù)源织，就會(huì)具有很多函數(shù)的特點(diǎn)。 分布式系統(tǒng)中的鼻祖級(jí)論文微猖，Lamport的時(shí)間谈息，時(shí)鐘，和事件的順序凛剥，據(jù)他所說(shuō)是他從相對(duì)論中的時(shí)間和空間的關(guān)系中得到的靈感侠仇。由此可見，不僅是數(shù)學(xué)犁珠，物理也很重要逻炊。

我于今夜死去 于明早重生<br>

Stay Hungry Stay Foolish<br>常葆求知若饑 常存虛懷若愚<br><br>Blog：<a href="https://links.jianshu.com/go?to=https%3A%2F%2Fzhwhong.cn" target="_blank">https://zhwhong.cn</a><br>(原地址zhwhong.ml暫時(shí)無(wú)法訪問(wèn))

最近比較火熱的深度強(qiáng)化學(xué)習(xí)　

愛(ài)生活磅甩，愛(ài)編程