کتاب ریاضیات در علم داده ها و هوش مصنوعی

کتاب ریاضیات درعلم داده ها و هوش مصنوعی نوشته شادی تجویدی راد، رابطه‌ی مفاهیم ریاضی با سازوکار مدل‌های هوشمند را توضیح می‌دهد. پرسش اصلی این کتاب، تفاوت میان اجرای یک مدل نرم‌افزاری و شناخت چگونگی عملکرد مدل است؛ تفاوتی که در تحلیل خطا، تنظیم پارامترها و تفسیر نتیجه‌ها اهمیت پیدا می‌کند. نویسنده از بردار و ماتریس آغاز کرده است و بحث را به یادگیری شبکه‌های عصبی، بهینه‌سازی و عدم قطعیت می‌رساند. انتشارات صبار این کتاب را منتشر کرده است. نسخه‌ی الکترونیکی این اثر را می‌توانید از طاقچه خرید و دانلود کنید.

درباره کتاب ریاضیات در علم داده ها و هوش مصنوعی

کتاب ریاضیات درعلم داده ها و هوش مصنوعی، مفاهیم پایه‌ی ریاضی را در ارتباط با مسئله‌های علم داده معرفی می‌کند. شادی تجویدی راد، شناخت مدل‌های هوشمند را فراتر از استفاده از ابزارها و کتابخانه‌های نرم‌افزاری در نظر گرفته است. نویسنده توضیح می‌دهد که نمایش داده‌ها، فرایند آموزش و ارزیابی نتیجه‌ها، هریک به مجموعه‌ای از مفاهیم ریاضی وابسته‌اند. مسیر مباحث از تعریف علم داده، هوش مصنوعی، یادگیری ماشین و یادگیری عمیق شروع می‌شود. فصل‌های بعدی به اعداد، توابع، بردارها، ماتریس‌ها و فضای چندبعدی اختصاص دارند. فصل‌های شماره‌گذاری‌شده‌ی یک تا نه، موضوع‌هایی مانند «مفاهیم بنیادی ریاضیات»، «جبر خطی به زبان ساده»، «حسابان و بهینه‌سازی بدون فرمول»، «آمار و احتمال در علم داده»، «جبر خطی و شبکه‌های عصبی» و «بهینه‌سازی مدل‌ها و آموزش ماشین» را دربر می‌گیرند. توضیح مفهومی و مثال‌های شهودی، شیوه‌ی اصلی طرح مباحث است؛ هدف، روشن‌شدن نقش هر مفهوم در پردازش داده‌ها و رفتار مدل‌هاست.
کتاب ریاضیات درعلم داده ها و هوش مصنوعی، پیوند میان نمایش عددی اطلاعات و استخراج الگو را از چند مسیر دنبال کرده است. بحث جبر خطی نشان می‌دهد که یک نمونه چگونه به بردار ویژگی تبدیل می‌شود و مجموعه‌ی نمونه‌ها چگونه در ماتریس قرار می‌گیرد. مثال‌های پردازش تصویر و متن، کاربرد همین نمایش‌ها را در موقعیت‌های متفاوت روشن می‌کنند. بحث حسابان، توجه را از شکل داده‌ها به تغییر پارامترها می‌برد؛ مدل پیش‌بینی تولید می‌کند، خطا اندازه‌گیری می‌شود و وزن‌ها در جریان آموزش اصلاح می‌شوند. آمار و احتمال نیز برای شناخت توزیع داده‌ها، پراکندگی، همبستگی و رویدادهای نامطمئن مطرح شده‌اند. نویسنده چرخه‌ی علم داده را به ساخت مدل محدود نمی‌کند؛ آماده‌سازی داده، اعتبارسنجی، استقرار و دریافت بازخورد نیز در این چرخه جای دارند. حاصل این مجموعه، تصویری مقدماتی از ارتباط اجزای یک مسئله‌ی داده‌محور است؛ تصویری که جایگاه کیفیت داده، انتخاب مدل و سنجش نتیجه‌ها را کنار محاسبات نشان می‌دهد.

خلاصه کتاب ریاضیات در علم داده ها و هوش مصنوعی

کتاب ریاضیات درعلم داده ها و هوش مصنوعی بر این ایده استوار است که شناخت مدل‌های هوشمند، به فهم ابزارهای ریاضی زیربنای مدل‌ها نیاز دارد. جبر خطی، داده‌ها و ارتباطات شبکه‌های عصبی را در قالب بردارها و ماتریس‌ها نمایش می‌دهد. حسابان و بهینه‌سازی، مبنای بررسی تغییر خطا و تنظیم پارامترها هستند. آمار، توصیف داده‌ها و ارزیابی نتیجه‌ها را ممکن می‌کند و احتمال، به مسئله‌ی پیش‌بینی در شرایط نامطمئن پاسخ می‌دهد. نویسنده این مفاهیم را در امتداد چرخه‌ی علم داده قرار داده است؛ چرخه‌ای که از جمع‌آوری اطلاعات آغاز می‌شود و به ارزیابی، استفاده و بازبینی مدل می‌رسد. پیام محوری این کتاب، ضرورت عبور از اجرای صرف الگوریتم‌ها به شناخت منطق عملکرد و محدودیت‌های مدل‌هاست.

چرا باید کتاب ریاضیات در علم داده ها و هوش مصنوعی را بخوانیم؟

دلایل خواندن کتاب ریاضیات درعلم داده ها و هوش مصنوعی را می‌توان این‌طور خلاصه کرد:

• توضیح‌های شهودی، تصور بردار، ماتریس و فضای چندبعدی را آسان‌تر می‌کنند.
• بحث آموزش مدل، ارتباط خطا و اصلاح وزن‌ها را روشن می‌کند.
• مباحث آماری، زمینه‌ی شناخت عدم قطعیت در پیش‌بینی را فراهم می‌کنند.
• مرور چرخه‌ی علم داده، جایگاه ریاضیات را در آماده‌سازی و ارزیابی داده‌ها نشان می‌دهد.

خواندن این کتاب را به چه کسانی پیشنهاد می‌کنیم؟

کتاب ریاضیات درعلم داده ها و هوش مصنوعی به این گروه‌ها پیشنهاد می‌شود:

• دانشجویانی که به شناخت مقدماتی مبانی ریاضی یادگیری ماشین نیاز دارند.
• برنامه‌نویسانی که می‌خواهند منطق عملکرد مدل‌ها را بهتر بشناسند.
• علاقه‌مندانی که توضیح مفهومی بردار، گرادیان و احتمال را دنبال می‌کنند.