数学与统计基础

文档摘要

数学与统计基础数学与统计基础在AI、CV、NLP等领域的技术面试中，对数学与统计基础的考察是重中之重。它不仅是理解各种算法原理的基石，更是解决实际问题、优化模型性能的关键。本章将深入探讨AI技术专家所需掌握的数学与统计核心概念。线性代数线性代数是机器学习的语言，它提供了描述数据、转换数据和执行计算的强大工具。 1.1 向量与矩阵向量: 具有大小和方向的量，可以表示数据点、特征。行向量与列向量: 数据存储和操作的基础。向量范数: 衡量向量“大小”或“长度”的度量，如L1范数 ∥x∥₁ = Σ|xᵢ|，L2范数 ∥x∥₂ = √(Σxᵢ²)。在正则化、距离计算中广泛应用。向量内积/点积: 衡量两个向量相似度的量，几何意义是投影。如果内积为0，则两向量正交。