Нужна ли айтишникам математика? Математика нужна, но айтишники разбалованы своими ЭВМ и привыкли иметь дело с дискретными числами и приблизительными вычислениями. Что позволяет им не углубляться в математику дальше  школьных арифметических действий. Вместо вычисления интеграла, например, айтишник складывает пару чисел как третьеклассник и тоже гордо называет себя инженером. Вот давайте посмотрим, какая такая математика лежит в основе нейронок. Вообще нейрон — это нервная клетка, она состоит из тела, дендритов и аксона. Дендриты и аксон — это такие выросты, через которые клетка обменивается сигналами. Причем дендриты это входы, а аксон — единственный выход. Нейронка, или искусственная нейронная сеть состоит из математических моделей этих самых нейронов, как их представляют себе айтишники. Дендриты и аксон, понятно, это какие-то переменные, то есть ячейки памяти, в которых лежат какие-то числа. Эти числа пересчитываются по какому-то закону, чтобы из чисел на входе получилось число на выходе. И я сейчас вам открою этот тайный закон. На самом деле эти числа просто складываются. Полученное значение еще часто пропускается через простое правило, которое гордо называется функцией активации. Это правило нужно, чтобы нейрон не реагировал на незначительные раздражители и обычно просто заменяет слишком маленький результат на ноль. Полученный результат затем перекладывается из ячейки памяти, соответствующей выходу нейрона, в другую ячейку, которая соответствует входу следующего нейрона. Но перед этим умножается на некоторый коэффициент. И это действительно вся математика, которую нужно знать для создания нейронной сети. Сложить числа, отбросить слишком маленькие и умножить на какое-то еще число. Так нейронка и работает, берем картинку котика, разбираем ее на байты и складываем во входные ячейки, много раз складываем, умножаем и перекладываем в другие ячейки и в итоге забираем из выходных ячеек результат. Где же магия? Магия здесь в коэффициентах умножения, которые называются весами модели и которые нужно суметь подобрать, и в алгоритме перекладывания, который задает архитектуру сети, ну, то есть определяет, выходы с каких нейронов попадают на входы каких. Но об этом в следующий раз.