閱讀筆記 - Deep Learning - chap 1 - 1

《Deep Learning: A Practitioner’s Approach》

知道這本書, 是從這篇文章看到 "入門 AI 從深度學習開始"
主要使用 Java 的 深度框架 DL4J.
DL4J 目前為 NASA 噴射推進實驗室 所採用; 支持採用 Cuda C 的 x86 與 GPU
( Nvidia )


- decision trees
- linear regression models
- neural network weights

仿生科技 / 群體智慧

線性代數是機器學習的基石

==

既然這套是用 Java 做, 再把 Java 安裝回來

安裝 Java JDK

個人習慣使用 Netbean IDE 來寫.

==

Java 線性代數部份, 研究了一下, 可以考慮使用這套
Apache Common 的 linear algebra
這套是使用 Apache 2.0 license

對線性代數有興趣, 也可以參考線上許多開放課程
例如 : 麻省理工

教的是這本書:
http://math.mit.edu/~gs/linearalgebra/

 




相關 git source

apache common math
apache common numbers

這就帶到了另外一本書

Data Science with Java

在第二章提的就是 Linear Algebra 用 Apache commons 的 library 來實現

==

先來看第一課

http://open.163.com/movie/2010/11/7/3/M6V0BQC4M_M6V29E773.html

提到的多項式範例:

( 這不錯, 可以學數學, 也可以學英聽 )

程式撰寫: github link

這套 Apache Common 用在 數學 library 還蠻強大的.
相對應 class 建構好, 之後短短幾行就可以算出結果了.

PS: 不過這課程蠻值得聽的, 大一的數學, 現在再看有些觀念還是會豁然開朗.

- 轉換成 向量 概念

PS2: 第二題

   ( 人還是適合圖像思考呀... )

A X = B
- 是否向量可以組合出所有空間上的點
   如果向量都在同個平面就不可能
   -> 是否有可逆矩陣

===

程式 matrix 建構主要是這個 class : Array2DRowRealMatrix
資料結構是用 double 二維陣列, 並實現 矩陣 四則運算.