第848章 讲课（2 / 2）

当我们往下深究，其实无论是深度学习中的神经网络训练，还是机器学习中的模型参数调整，都涉及到将梯度下降、牛顿法、共轭梯度法、拟牛顿法等优化理论，为AI算法提供了最优解程序。

比如在机器学习中，数据通常以矩阵的形式表示，模型的参数也是以向量和矩阵的形式存在，而线性代数中的矩阵分解，比如主成分分析、奇异值分解、特征向量等概念，对于降维、数据压缩和模型理解至关重要。

除此之外，还有概率论、统计学、微积分、复杂性理论，甚至还有几何学，都在AI项目和其他科技项目有多种作用……”

一边讲，周瑜偶尔还会在身后的黑板上面写写画画，罗列一堆公式和数据出来。

助理郑博，他已经无法担任此次会议的“记录助理”，因为周瑜写出来的某些公式和符号，他本人都不认识，更不敢随意临摹。

只能够站在讲台旁边，等待周瑜将黑板即将写满的时候，上前帮助更换黑板，无缝衔接。

渐渐地，那些正襟危坐的工程师、数学家们，也开始抓耳挠腮，百思不得其解。

“几何学的确在计算机视觉和机器学习中的数据可视化项目有极大的作用，多维标度、等距映射和t-SNE等降维技术都是利用几何概念来保持数据在高维空间中的结构。