riyaziyyat

süni intellekt mühəndisliyi üçün önəmi, aktuallığı və populyarlığı artan, gündəmə gələn dildir. xüsusən də Linear Algebra - Matrisa və vektorlar - Matrisa əməliyyatları (çoxaltma, determinant, tərs matrisa) - Özvektorlar və özqiymətlər (eigenvalues/eigenvectors) Ehtimal və Statistikaya Giriş Maşın öyrənməsində model qurmaq, ehtimal paylanmaları və qərar vermə üçün vacibdir. - Bayes teoremi - Paylanmalar (normal, binom, Poisson və s.) - Ortalama, dispersiya, kovaryasiya - Maximum likelihood estimation (MLE) Calculus Əsasən törəmələr və gradient descent optimallaşdırması üçün lazımdır. - Tək və çox dəyişənli funksiyalar - Törəmə və inteqral anlayışları - Qradient, Hessian matrisi Diskret riyaziyyat (Discrete Math) Əsasən məlumat strukturları, qraf nəzəriyyəsi və alqo­rithmlər üçün istifadə olunur. - Qraf nəzəriyyəsi - Kombinatorika - Məntiq və riyazi sübutlar Optimallaşdırma (Optimization) - Məqsəd funksiyası (objective function) - Məhdudiyyətlər altında optimallaşdırma - Qradient əsaslı metodlar Başlamaq üçün bu mənbələrə baxmaq olar: - Khan Academy (xətti cəbr, ehtimal, kalkulus) - 3Blue1Brown (vizual izahlar) - mit OpenCourseWare – "Mathematics for Computer Science"