必备的数学知识是支撑深度学习技术不可或缺的要素,深度学习技术归根到底都建立在数学模型基础之上。进行深度学习时,建立损失函数(误差函数)是有效进行学习的关键。损失函数的种类有很多,在实际工作中常见的是平方和误差函数和交叉熵误差函数。只有选择恰当的误差函数,才能匹配更加精准的业务场景。
因此,在什么样的情况下,依据数据的离散或连续型特征,选择合适的数学模型就显得尤为重要。与此同时,由于数学模型本身的抽象性,理解和运用起来有一定门槛,如何将数学模型转化为实际的程序代码,更是算法工程师基本功是否扎实的体现。
讲师介绍
王符伟,人工智能团队 Leader,负责技术管理、项目管理与产品研发,拥有 16 年 IT 实战经验。不仅擅长人工智能与大数据分析,而且有深厚的美术功底,对技术插画有着工程与艺术相结合的双向审美能力。善于将晦涩的技术拆解为趣味横生的艺术插画,降低技术理解难度。
内容看点
信息论如何用交叉熵概念来描述信息
交叉熵误差与平方和误差的区别与联系
交叉熵模型与 Python 代码之间的转化
精选留言