Mathematik für Machine Learning
Ein interaktives Repository für mathematische Fundamente.
Zweck dieses Projekts
Der ML Math Hub ist eine spezialisierte Sammlung von Konzepten und Informationen, die essentiell sind, um die mathematischen Hintergründe hinter Machine Learning (ML) und Künstlicher Intelligenz (KI) tiefgreifend zu verstehen. Das Ziel ist es, die Logik hinter den Formeln Schritt für Schritt zu erarbeiten und als Wissensbasis festzuhalten.
Statistik & Wahrscheinlichkeit
Diskrete vs. stetige Variablen, Erwartungswerte und Streuungsmaße.
Parameter vs. Hyperparameter
Interne Gewichte ($\theta$) vs. externe Steuerung ($\alpha$) eines Modells.
Grundlegende Algorithmen
Lineare Regression, Logistische Regression, Entscheidungsbaum-Lernen, Support Vector Machines, k-Nearest-Neighbors
Modell- und instanzbasiertes Lernen
Summary kommt noch
Mathematik zu ML und AI
Lineare Algebra, analytische Geometrie, Analysis und Optimierung als mathematisches Fundament von Machine Learning und KI.
Neuronale Netze
Vom Perzeptron bis zum Deep Learning — Architektur und Aktivierungsfunktionen.
💡 Mathe-Tips & Griechische Syntax
| Name | Symbol | Code | Bedeutung |
|---|---|---|---|
| Mü | \mu | Mittelwert / Erwartungswert ($E[X]$) | |
| Sigma | \sigma | ||
| Theta | \theta | ||
| Alpha | \alpha | ||
| Epsilon | \epsilon |