共 -- 讲
共 -- 讲
课程目录
共 0 讲全部讲次
- 第一章:高等数学基础 1-函数
- 2-极限
- 3-无穷小与无穷大
- 4-连续性与导数
- 1-偏导数
- 2-方向导数
- 3-梯度
- 第二章:微积分 1-微积分基本想法
- 2-微积分的解释
- 3-定积分
- 4-定积分性质
- 5-牛顿-莱布尼茨公式
- 第三章:泰勒公式与拉格朗日 1-泰勒公式出发点
- 2-一点一世界
- 3-阶数的作用
- 4-阶乘的作用
- 1-拉格朗日乘子法
- 2-求解拉格朗日乘子法
- 第四章:线性代数基础 1-行列式概述
- 2-矩阵与数据的关系
- 3-矩阵基本操作
- 4-矩阵的几种变换
- 5-矩阵的秩
- 6-内积与正交
- 第五章:特征值与矩阵分解 1-特征值与特征向量
- 2-特征空间与应用
- 1-SVD要解决的问题
- 2-特征值分解
- 3-SVD矩阵分解
- 第六章:随机变量 1-离散型随机变量
- 2-连续型随机变量
- 3-简单随机抽样
- 1-似然函数
- 2-极大似然估计
- 第七章:概率论基础 1-概率与频率
- 2-古典概型
- 3-条件概率
- 4-条件概率小例子
- 5-独立性
- 6-二维离散型随机变量
- 7-二维连续型随机变量
- 8-边缘分布
- 9-期望
- 10-期望求解
- 11-马尔科夫不等式
- 12-切比雪夫不等式
- 13-后验概率估计
- 14-贝叶斯拼写纠错实例
- 15-垃圾邮件过滤实例
- 第八章:数据科学你得知道的几种分布 1-正太分布
- 2-二项式分布
- 3-泊松分布
- 4-均匀分布
- 5-卡方分布
- 6-beta分布
- 第九章:核函数变换 1-核函数的目的
- 2-线性核函数
- 3-多项式核函数
- 4-核函数实例
- 5-高斯核函数
- 6-参数的影响
- 第十章:熵与激活函数 1-熵的概念
- 2-熵的大小意味着什么
- 1-激活函数
- 2-激活函数的问题
- 第十一章:回归分析 1-回归分析概述
- 2-回归方程定义
- 3-误差项的定义
- 4-最小二乘法推导与求解
- 5-回归方程求解小例子
- 6-回归直线拟合优度
- 7-多元与曲线回归问题
- 8-Python工具包介绍
- 9-statsmodels回归分析
- 10-高阶与分类变量实例
- 11-案例:汽车价格预测任务概述
- 12-案例:缺失值填充
- 13-案例:特征相关性
- 14-案例:预处理问题
- 15-案例:回归求解
- 1-假设检验基本思想
- 2-左右侧检验与双侧检验
- 3-Z检验基本原理
- 4-Z检验实例
- 5-T检验基本原理
- 6-T检验实例
- 7-T检验应用条件
- 8-卡方检验
- 9-假设检验中的两类错误
- 10-Python假设检验实例
- 11-Python卡方检验实例
- 第十三章:相关分析 1-相关分析概述
- 2-皮尔森相关系数
- 3-计算与检验
- 4-斯皮尔曼等级相关
- 5-肯德尔系数
- 6-质量相关分析
- 7-偏相关与复相关
- 第十四章:方差分析 1-方差分析概述
- 2-方差的比较
- 3-方差分析计算方法
- 4-方差分析中的多重比较
- 5-多因素方差分析
- 6-Python方差分析实例
- 第十五章:聚类分析 1-层次聚类概述
- 2-层次聚类流程
- 3-层次聚类实例
- 第十五章:聚类分析 1-KMEANS算法概述
- 2-KMEANS工作流程
- 3-KMEANS迭代可视化展示
- 1-DBSCAN聚类算法
- 2-DBSCAN工作流程
- 3-DBSCAN可视化展示
- 1-多种聚类算法概述
- 2-聚类案例实战
- 第十六章:贝叶斯分析 1-贝叶斯分析概述
- 2-概率的解释
- 3-贝叶斯学派与经典统计学派的争论
- 4-贝叶斯算法概述
- 5-贝叶斯推导实例
- 6-贝叶斯拼写纠错实例
- 7-贝叶斯解释
- 8-经典求解思路
- 9-MCMC概述
- 10-PYMC3概述
- 11-模型诊断
- 12-模型决策
课程介绍
同栏目更多 →课程目录:
第一章:高等数学基础 1-函数
2-极限
3-无穷小与无穷大
4-连续性与导数
1-偏导数
2-方向导数
3-梯度
第二章:微积分 1-微积分基本想法
2-微积分的解释
3-定积分
4-定积分性质
5-牛顿-莱布尼茨公式
第三章:泰勒公式与拉格朗日 1-泰勒公式出发点
2-一点一世界
3-阶数的作用
4-阶乘的作用
1-拉格朗日乘子法
2-求解拉格朗日乘子法
第四章:线性代数基础 1-行列式概述
2-矩阵与数据的关系
3-矩阵基本操作
4-矩阵的几种变换
5-矩阵的秩
6-内积与正交
第五章:特征值与矩阵分解 1-特征值与特征向量
2-特征空间与应用
1-SVD要解决的问题
2-特征值分解
3-SVD矩阵分解
第六章:随机变量 1-离散型随机变量
2-连续型随机变量
3-简单随机抽样
1-似然函数
2-极大似然估计
第七章:概率论基础 1-概率与频率
2-古典概型
3-条件概率
4-条件概率小例子
5-独立性
6-二维离散型随机变量
7-二维连续型随机变量
8-边缘分布
9-期望
10-期望求解
11-马尔科夫不等式
12-切比雪夫不等式
13-后验概率估计
14-贝叶斯拼写纠错实例
15-垃圾邮件过滤实例
第八章:数据科学你得知道的几种分布 1-正太分布
2-二项式分布
3-泊松分布
4-均匀分布
5-卡方分布
6-beta分布
第九章:核函数变换 1-核函数的目的
2-线性核函数
3-多项式核函数
4-核函数实例
5-高斯核函数
6-参数的影响
第十章:熵与激活函数 1-熵的概念
2-熵的大小意味着什么
1-激活函数
2-激活函数的问题
第十一章:回归分析 1-回归分析概述
2-回归方程定义
3-误差项的定义
4-最小二乘法推导与求解
5-回归方程求解小例子
6-回归直线拟合优度
7-多元与曲线回归问题
8-Python工具包介绍
9-statsmodels回归分析
10-高阶与分类变量实例
11-案例:汽车价格预测任务概述
12-案例:缺失值填充
13-案例:特征相关性
14-案例:预处理问题
15-案例:回归求解
1-假设检验基本思想
2-左右侧检验与双侧检验
3-Z检验基本原理
4-Z检验实例
5-T检验基本原理
6-T检验实例
7-T检验应用条件
8-卡方检验
9-假设检验中的两类错误
10-Python假设检验实例
11-Python卡方检验实例
第十三章:相关分析 1-相关分析概述
2-皮尔森相关系数
3-计算与检验
4-斯皮尔曼等级相关
5-肯德尔系数
6-质量相关分析
7-偏相关与复相关
第十四章:方差分析 1-方差分析概述
2-方差的比较
3-方差分析计算方法
4-方差分析中的多重比较
5-多因素方差分析
6-Python方差分析实例
第十五章:聚类分析 1-层次聚类概述
2-层次聚类流程
3-层次聚类实例
第十五章:聚类分析 1-KMEANS算法概述
2-KMEANS工作流程
3-KMEANS迭代可视化展示
1-DBSCAN聚类算法
2-DBSCAN工作流程
3-DBSCAN可视化展示
1-多种聚类算法概述
2-聚类案例实战
第十六章:贝叶斯分析 1-贝叶斯分析概述
2-概率的解释
3-贝叶斯学派与经典统计学派的争论
4-贝叶斯算法概述
5-贝叶斯推导实例
6-贝叶斯拼写纠错实例
7-贝叶斯解释
8-经典求解思路
9-MCMC概述
10-PYMC3概述
11-模型诊断
12-模型决策
第一章:高等数学基础 1-函数
2-极限
3-无穷小与无穷大
4-连续性与导数
1-偏导数
2-方向导数
3-梯度
第二章:微积分 1-微积分基本想法
2-微积分的解释
3-定积分
4-定积分性质
5-牛顿-莱布尼茨公式
第三章:泰勒公式与拉格朗日 1-泰勒公式出发点
2-一点一世界
3-阶数的作用
4-阶乘的作用
1-拉格朗日乘子法
2-求解拉格朗日乘子法
第四章:线性代数基础 1-行列式概述
2-矩阵与数据的关系
3-矩阵基本操作
4-矩阵的几种变换
5-矩阵的秩
6-内积与正交
第五章:特征值与矩阵分解 1-特征值与特征向量
2-特征空间与应用
1-SVD要解决的问题
2-特征值分解
3-SVD矩阵分解
第六章:随机变量 1-离散型随机变量
2-连续型随机变量
3-简单随机抽样
1-似然函数
2-极大似然估计
第七章:概率论基础 1-概率与频率
2-古典概型
3-条件概率
4-条件概率小例子
5-独立性
6-二维离散型随机变量
7-二维连续型随机变量
8-边缘分布
9-期望
10-期望求解
11-马尔科夫不等式
12-切比雪夫不等式
13-后验概率估计
14-贝叶斯拼写纠错实例
15-垃圾邮件过滤实例
第八章:数据科学你得知道的几种分布 1-正太分布
2-二项式分布
3-泊松分布
4-均匀分布
5-卡方分布
6-beta分布
第九章:核函数变换 1-核函数的目的
2-线性核函数
3-多项式核函数
4-核函数实例
5-高斯核函数
6-参数的影响
第十章:熵与激活函数 1-熵的概念
2-熵的大小意味着什么
1-激活函数
2-激活函数的问题
第十一章:回归分析 1-回归分析概述
2-回归方程定义
3-误差项的定义
4-最小二乘法推导与求解
5-回归方程求解小例子
6-回归直线拟合优度
7-多元与曲线回归问题
8-Python工具包介绍
9-statsmodels回归分析
10-高阶与分类变量实例
11-案例:汽车价格预测任务概述
12-案例:缺失值填充
13-案例:特征相关性
14-案例:预处理问题
15-案例:回归求解
1-假设检验基本思想
2-左右侧检验与双侧检验
3-Z检验基本原理
4-Z检验实例
5-T检验基本原理
6-T检验实例
7-T检验应用条件
8-卡方检验
9-假设检验中的两类错误
10-Python假设检验实例
11-Python卡方检验实例
第十三章:相关分析 1-相关分析概述
2-皮尔森相关系数
3-计算与检验
4-斯皮尔曼等级相关
5-肯德尔系数
6-质量相关分析
7-偏相关与复相关
第十四章:方差分析 1-方差分析概述
2-方差的比较
3-方差分析计算方法
4-方差分析中的多重比较
5-多因素方差分析
6-Python方差分析实例
第十五章:聚类分析 1-层次聚类概述
2-层次聚类流程
3-层次聚类实例
第十五章:聚类分析 1-KMEANS算法概述
2-KMEANS工作流程
3-KMEANS迭代可视化展示
1-DBSCAN聚类算法
2-DBSCAN工作流程
3-DBSCAN可视化展示
1-多种聚类算法概述
2-聚类案例实战
第十六章:贝叶斯分析 1-贝叶斯分析概述
2-概率的解释
3-贝叶斯学派与经典统计学派的争论
4-贝叶斯算法概述
5-贝叶斯推导实例
6-贝叶斯拼写纠错实例
7-贝叶斯解释
8-经典求解思路
9-MCMC概述
10-PYMC3概述
11-模型诊断
12-模型决策