Вкратце -› «ДА»
Давайте начнем с понимания, где нам нужно исчисление?
Предположим, вы строите модель линейной регрессии, в которой вы подбираете простую линию к своим данным.
Теперь вам нужно найти параметры, которые точно соответствуют вашим данным, правильно?…. Не понимаю, о чем я говорю, давайте поговорим более четко. !
Теперь параметры, о которых я говорил, это beta_0 и beta_1 (если это звучит запутанно, просто подумайте о Y = mx+c). Чтобы найти наилучшие значения beta_0 и beta_1, которые будут идеально соответствовать данным, вы можете сделать две вещи:
1) Вручную измените значения обоих параметров и проверьте, подходит ли линия правильно или нет.
2) Примените Градиентный спуск.
Теперь подождите, чтобы даже проверить, как работает ваша модель, вам нужна функция стоимости/ошибки, верно?
Давайте возьмем среднеквадратичную ошибку в качестве нашей функции ошибки!
Вам нужна минимальная ошибка/стоимость в вашей модели, верно?
Теперь вы, возможно, изучали в своем классе исчисления, что для минимизации любой функции нам нужно вычислить ее что? -› Производная
Здесь вы должны использовать исчисление!
Это был один очень маленький пример того, как исчисление используется. У нас есть множество мест, где оно используется в машинном обучении. И даже не думайте о том, чтобы получить глубокие знания о Глубоком обучении без вычислений, иначе Ужас обратного распространения не оставит вас в покое!
Надеюсь, мне удалось повысить ценность ваших знаний, Ура 🙌.
