人工智能
人工智能数学基础教学视频
课程目录
- 第一章高等数学基础：0-课程简介
- 第一章高等数学基础：1-函数
- 第一章高等数学函数：2-极限
- 第一章高等数学函数：3-无穷小与无穷大
- 第一章高等数学函数：4-连续性与导数
- 第一章高等数学函数：5-偏导数
- 第一章高等数学函数：6-方向导数
- 第一章高等数学函数：7-梯度
- 第二章微积分：1-微积分基本想法
- 第二章微积分：2-微积分的解释
- 第二章微积分：3-定积分
- 第二章微积分：4-定积分性质
- 第二章微积分：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
- 第三章泰勒公式与拉格朗日：2-一点一世界
- 第三章泰勒公式与拉格朗日：3-阶数的作用
- 第三章泰勒公式与拉格朗日：4-阶乘的作用
- 第三章泰勒公式与拉格朗日：5-拉格朗日乘子法
- 第三章泰勒公式与拉格朗日：6-求解拉格朗日乘子法
- 第四章线性代数基础：1-行列式概述
- 第四章线性代数基础：2-矩阵与数据的关系
- 第四章线性代数基础：3-矩阵基本操作
- 第四章线性代数基础：4-矩阵的几种变换
- 第四章线性代数基础：5-矩阵的秩
- 第四章线性代数基础：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
- 第五章特征值与矩阵分解：2-特征空间与应用
- 第五章特征值与矩阵分解：3-SVD要解决的问题
- 第五章特征值与矩阵分解：第五章特征值与矩阵分解：4-特征值分解
- 第五章特征值与矩阵分解：5-SVD矩阵分解
- 第六章随机变量：1-离散型随机变量
- 第六章随机变量：2-连续型随机变量
- 第六章随机变量：3-简单随机抽样
- 第六章随机变量：4-似然函数
- 第六章随机变量：5-极大似然估计
- 第七章概率论基础：1-概率与频率
- 第七章概率论基础：2-古典概型
- 第七章概率论基础：3-条件概率
- 第七章概率论基础：4-条件概率小例子
- 第七章概率论基础：5-独立性
- 第七章概率论基础：6-二维离散型随机变量
- 第七章概率论基础：7-二维连续型随机变量
- 第七章概率论基础：8-边缘分布
- 第七章概率论基础：9-期望
- 第七章概率论基础：10-期望求解
- 第七章概率论基础：11-马尔科夫不等式
- 第七章概率论基础：12-切比雪夫不等式
- 第七章概率论基础：13-后验概率估计
- 第八章数据科学你得知道的几个分布：1-正太分布
- 第八章数据科学你得知道的几个分布：2-二项式分布
- 第八章数据科学你得知道的几个分布：3-泊松分布
- 第八章数据科学你得知道的几个分布：4-均匀分布
- 第八章数据科学你得知道的几个分布；5-卡方分布
- 第八章数据科学你得知道的几个分布；6-beta分布
- 第九章核函数变化：1-核函数的目的
- 第九章核函数变化：2-线性核函数
- 第九章核函数变化：3-多项式核函数
- 第九章核函数变化：4-核函数实例
- 第九章核函数变化：5-高斯核函数
- 第九章核函数变化：6-参数的影响
- 第十章熵与激活函数：1-熵的概念
- 第十章熵与激活函数：2-熵的大小意味着什么
- 第十章熵与激活函数：3-激活函数
- 第十章熵与激活函数：4-激活函数的问题
- 第十一章回归分析：1-回归分析概述
- 第十一章回归分析：2-回归方程定义
- 第十一章回归分析：3-误差项的定义
- 第十一章回归分析：4-最小二乘法推导与求解
- 第十一章回归分析：5-回归方程求解小例子
- 第十一章回归分析：6-回归直线拟合优度
- 第十一章回归分析：7-多元与曲线回归问题
- 第十一章回归分析：8-Python工具包介绍
- 第十一章回归分析：9-statsmodels回归分析
- 第十一章回归分析：10-高阶与分类变量实例
- 第十一章回归分析：11-案例：汽车价格预测任务概述
- 第十一章回归分析：12-案例：缺失值填充
- 第十一章回归分析：13-案例：特征相关性
- 第十一章回归分析：14-案例：预处理问题
- 第十一章回归分析：15-案例：回归求解
- 第十二章假设检验：1-假设检验基本思想
- 第十二章假设检验：2-左右侧检验与双侧检验
- 第十二章假设检验：3-Z检验基本原理
- 第十二章假设检验：4-Z检验实例
- 第十二章假设检验：5-T检验基本原理
- 第十二章假设检验：6-T检验实例
- 第十二章假设检验：7-T检验应用条件
- 第十二章假设检验：8-卡方检验
- 第十二章假设检验：9-假设检验中的两类错误
- 第十二章假设检验：10-Python假设检验实例
- 第十二章假设检验：11-Python卡方检验实例
- 第十三章相关分析：1-相关分析概述
- 第十三章相关分析：2-皮尔森相关系数
- 第十三章相关分析：3-计算与检验
- 第十三章相关分析：4-斯皮尔曼等级相关
- 第十三章相关分析：5-肯德尔系数
- 第十三章相关分析：6-质量相关分析
- 第十三章相关分析：7-偏相关与复相关
- 第十四章：方差分析 1-方差分析概述
- 第十四章：方差分析2-方差的比较
- 第十四章：方差分析3-方差分析计算方法
- 第十四章：方差分析4-方差分析中的多重比较
- 第十四章：方差分析5-多因素方差分析
- 第十四章：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
- 第十五章：聚类分析2-层次聚类流程
- 第十五章：聚类分析3-层次聚类实例
- 第十五章：聚类分析1-KMEANS算法概述
- 第十五章：聚类分析2-KMEANS工作流程
- 第十五章：聚类分析3-KMEANS迭代可视化展示
- 第十五章：聚类分析1-DBSCAN聚类算法
- 第十五章：聚类分析2-DBSCAN工作流程
- 第十五章：聚类分析3-DBSCAN可视化展示
- 第十五章：聚类分析1-多种聚类算法概述
- 第十五章：聚类分析2-聚类案例实战
- 第十六章：贝叶斯分析 1-贝叶斯分析概述
- 第十六章：贝叶斯分析2-概率的解释
- 第十六章：贝叶斯分析3-贝叶斯学派与经典统计学派的争论
- 第十六章：贝叶斯分析4-贝叶斯解释
- 第十六章：贝叶斯分析5-经典求解思路
- 第十六章：贝叶斯分析6-MCMC概述
- 第十六章：贝叶斯分析7-PYMC3概述
- 第十六章：贝叶斯分析8-模型诊断
- 第十六章：贝叶斯分析9-模型决策
课程介绍
课程简介
人工智能，机器学习，深度学习中用到的数学基础课程。
本套课程为持续更新课程。只要大家有数学方面的需求，老师会持续免费更新。
现有课程包罗：线性代数、微积分、信息论等数学类基础知识。
数据科学与人工智能必备数学基础课程旨在帮手同学们快速打下数学基础，通俗讲解其中每一个知识点。课程内容涉及高等数学，线性代数，概率论与统计学，同学们在学习过程中应当以理解为出发点并不需要死记每一个公式，快速掌握核心知识点。课程章节内容较多，零基础同学按挨次学习即可，有基础的同学们可以按照本身的需求来有选择的学习！
数据科学与人工智能必备数学基础课程旨在帮手同学们快速打下数学基础，通俗讲解其中每一个知识点。
课程内容涉及高等数学，线性代数，概率论与统计学，同学们在学习过程中应当以理解为出发点并不需要死记每一个公式，快速掌握核心知识点。课程章节内容较多，零基础同学按挨次学习即可，有基础的同学们可以按照本身的需求来有选择的学习！
