- عنوان کتاب: Mathematics of Machine LearningMaster linear algebra, calculus, and probability for machine learning
- نویسنده: Danka, Tivadar
- حوزه: جبر خطی
- سال انتشار: 2026
- تعداد صفحه: 731
- زبان اصلی: انگلیسی
- نوع فایل: pdf
- حجم فایل: 4.71 مگابایت
«چرا باید ریاضیات یاد بگیرم؟»؛ این سوالی است که هر روز از من پرسیده میشود. خب، مجبور نیستید؛ اما بهتر است این کار را بکنید! در نگاه اول، ریاضیات پیشرفته تأثیر مستقیمی بر مهندسی نرمافزار و یادگیری ماشین در محیط عملیاتی (Production) ندارد. لازم نیست گرادیانها را محاسبه کنید، معادلات خطی را حل کنید یا مقادیر ویژه (eigenvalues) را به صورت دستی بیابید. الگوریتمهای پایه و پیشرفته در قالب کتابخانهها و رابطهای برنامهنویسی (API) انتزاع شدهاند و تمام کارهای دشوار را برای شما انجام میدهند. امروزه، پیادهسازی یک شبکه عصبی عمیقِ پیشرفته، تقریباً معادلِ ایجاد یک شیء (instantiating an object) در PyTorch، بارگذاری وزنهای از پیش آموزشدیده و عبور سریع دادهها از دل مدل است. این وضعیت، مانند تمام پیشرفتهای فناوری، شمشیری دو لبه است. از یک سو، چارچوبهایی (frameworks) که سرعت نمونهسازی و توسعه را بالا میبرند، امکان بهکارگیری عملی یادگیری ماشین را فراهم میکنند؛ بدون آنها، شاهد انفجارِ حوزه یادگیری عمیق در دهه گذشته نبودیم. از سوی دیگر، انتزاعهای سطحبالا، حائلی میان ما و فناوریِ زیرساختی ایجاد میکنند. دانشِ در سطحِ کاربر (User-level knowledge) تنها زمانی کافی است که در مسیرهای آشنا حرکت میکنید (یا تا زمانی که مشکلی پیش نیاید و چیزی از کار نیفتد). اگر هنوز متقاعد نشدهاید، بیایید یک آزمایش ذهنی انجام دهیم! تصور کنید به کشور جدیدی مهاجرت کردهاید، بدون اینکه زبان آنجا را بدانید یا با سبک زندگیشان آشنا باشید. با این حال، یک گوشی هوشمند و اینترنت قابلاطمینان در اختیار دارید. چگونه کاوش را آغاز میکنید؟ با استفاده از «گوگل مپس» و یک کارت اعتباری، میتوانید کارهای فوقالعادهای انجام دهید: شهر را بگردید، در رستورانهای عالی غذا بخورید و اوقات خوشی داشته باشید. میتوانید هر روز بدون گفتن حتی یک کلمه خرید کنید: فقط کافی است اجناس را در سبد بگذارید و کارتتان را نزد صندوقدار بکشید. پس از چند ماه، کمکم شروع به یادگیریِ اندکی از زبان میکنید؛ چیزهای سادهای مثل سلام و احوالپرسی یا معرفی خودتان. شروع خوبی داشتهاید! برای کارهای روزمره، راهکارهای آمادهای وجود دارد که بهخوبی کار میکنند؛ مثل سرویسهای سفارش غذا، حملونقل عمومی و غیره. با این حال، ممکن است زمانی این سیستمها دچار اختلال شوند. برای مثال، لازم میشود با پیکِ تحویلدهندهای تماس بگیرید که بسته شما را اشتباهاً جلوی درِ دیگری گذاشته است، یا اگر خودروی اجارهایتان خراب شد، باید برای دریافت کمک تماس بگیرید.
Why do I have to learn mathematics? – This is a question I am asked daily. Well, you don’t have to. But you should! On the surface, advanced mathematics doesn’t impact software engineering and machine learning in a production setting. You don’t have to calculate gradients, solve linear equations, or find eigenvalues by hand. Basic and advanced algorithms are abstracted away into libraries and APIs, performing all the hard work for you. Nowadays, implementing a state-of-the-art deep neural network is almost equivalent to instantiating an object in PyTorch, loading the pre-trained weights, and letting the data blaze through the model. Just like all technological advances, this is a double-edged sword. On the one hand, frameworks that accelerate prototyping and development enable machine learning in practice. Without them, we wouldn’t have seen the explosion in deep learning that we witnessed in the last decade. On the other hand, high-level abstractions are barriers between us and the underlying technology. User-level knowledge is only sufficient when one is treading on familiar paths. (Or until something breaks.) If you are not convinced, let’s do a thought experiment! Imagine moving to a new country without speaking the language and knowing the way of life. However, you have a smartphone and a reliable internet connection. How do you start exploring? With Google Maps and a credit card, you can do many awesome things there: explore the city, eat in excellent restaurants, and have a good time. You can do the groceries every day without speaking a word: just put the stuff in your basket and swipe your card at the cashier. After a few months, you’ll also start to pick up some language – simple things like saying greetings or introducing yourself. You are off to a good start! There are built-in solutions for everyday tasks that just work – food ordering services, public transportation, etc. However, at some point, they will break down. For instance, you need to call the delivery person who dropped off your package at the wrong door. You need to call help if your rental car breaks down.
این کتاب را میتوانید از لینک زیر بصورت رایگان دانلود کنید:
Download: Mathematics of Machine Learning
نظرات کاربران