数学老师回来了

07-23 03:10

数学老师回来了-人工智能大数据的数学基石 Ai大数据领域的必学

称之为数学老师回来了，一点都不过分，课程如果单独列举出来，甚至可以独自的作为数学课程上的教材，但实际上却与大数据AI领域密切相关。其实坦白的讲，数学的能力在AI和大数据领域，尤其是从事算法相关的开发或者建模等等工作，都是非常紧要的一门基础课程，甚至可以说决定了工程们能够进修的深度。课程内容涵盖了线性代数，高等数学，概率论，最优化，优化论教学，凸优化进阶之对偶理论，数据降维的艺术，矩阵分析等等。如果同学们已经有一定的高数基础，在付出一定量的努力后，掌握课程内容应该不会特别难，但对于没有高数基础的同学们还是要再加强一下基础的数学课程。要明白，在AI大数据等领域，研习数学功底，帮助和提升是会有质的飞跃。 ===============课程目录=============== ├<01.第一阶段：AI数学基石> │ ├<01.第一章：线性代数> │ │ ├<视频> │ │ │ ├01_本章概述.mp4 │ │ │ ├02_定义和例子.mp4 │ │ │ ├03_向量及其运算.mp4 │ │ │ ├04_向量组的线性组合.mp4 │ │ │ ├05_向量组的线性相关性.mp4 │ │ │ ├06_内积的定义.mp4 │ │ │ ├07_范数的定义.mp4 │ │ │ ├08_内积的几何解释.mp4 │ │ │ ├09_矩阵和线性变换.mp4 │ │ │ ├10_线性变换.mp4 │ │ │ ├11_矩阵的运算.mp4 │ │ │ ├12_矩阵的转置.mp4 │ │ │ ├13_矩阵的行列式.mp4 │ │ │ ├14_逆矩阵.mp4 │ │ │ ├15_求解线性方程组.mp4 │ │ │ ├16_特征值和特征向量.mp4 │ │ │ ├17_对阵矩阵和正定矩阵.mp4 │ │ │ ├18_相似矩阵和对角化.mp4 │ │ │ ├19_二次型.mp4 │ │ │ └20_本章小结.mp4 │ ├<02.第二章：高等数学> │ │ ├<视频> │ │ │ ├01-本章概述.mp4 │ │ │ ├02-函数的定义.mp4 │ │ │ ├03-反函数.mp4 │ │ │ ├04-复合函数.mp4 │ │ │ ├05-引例.mp4 │ │ │ ├06-导数.mp4 │ │ │ ├07-函数的求导法则 .mp4 │ │ │ ├08-高阶导数.mp4 │ │ │ ├09-二元函数.mp4 │ │ │ ├10-二元函数的偏导数.mp4 │ │ │ ├11-方向导数和梯度.mp4 │ │ │ ├12-雅可比矩阵.mp4 │ │ │ ├13-海森矩阵.mp4 │ │ │ ├14-函数的极值.mp4 │ │ │ ├15-极值的定理.mp4 │ │ │ ├16-拉格朗日函数.mp4 │ │ │ ├17-泰勒展开式.mp4 │ │ │ └18-本章小结.mp4 │ ├<03.第三章：概率论> │ │ ├<视频> │ │ │ ├01-本章概述.mp4 │ │ │ ├02-基础概念.mp4 │ │ │ ├03-随机事件的概率.mp4 │ │ │ ├04-条件概率.mp4 │ │ │ ├05-事件的独立性.mp4 │ │ │ ├06-全概率公式和贝叶斯公式.mp4 │ │ │ ├07-随机变量的定义.mp4 │ │ │ ├08-概率分布.mp4 │ │ │ ├09-概率密度函数.mp4 │ │ │ ├10-随机变量的期望.mp4 │ │ │ ├11-随机变量的方差.mp4 │ │ │ ├12-最大似然估计(上) (1).mp4 │ │ │ ├13-最大似然估计(下) .mp4 │ │ │ └14-本章小节.mp4 │ ├<04.第四章：最优化> │ │ ├<视频> │ │ │ ├01-本章概述.mp4 │ │ │ ├02-基本形式.mp4 │ │ │ ├03-分类.mp4 │ │ │ ├04-线性规划问题实例.mp4 │ │ │ ├05-线性规划的标准形式.mp4 │ │ │ ├06-线性规划问题的求解.mp4 │ │ │ ├07-空间里的直线.mp4 │ │ │ ├08-仿射集.mp4 │ │ │ ├09-凸集.mp4 │ │ │ ├10-超平面和半空间.mp4 │ │ │ ├11-凸函数.mp4 │ │ │ ├12-凸优化问题.mp4 │ │ │ └13-本章小结 .mp4 ├<02.第二阶段：优化论初步> │ ├<01.第一章优化迭代统一论> │ │ ├<视频> │ │ │ ├01-本微专业概述.mp4 │ │ │ ├02-线性回归建模.mp4 │ │ │ ├03-无约束优化分析法(上).mp4 │ │ │ ├04-无约束优化分析法(下).mp4 │ │ │ ├05-无约束迭代法.mp4 │ │ │ ├06-线性回归求解.mp4 │ │ │ └07-案例分析.mp4 │ │ ├<作业> │ │ │ ├<第一章优化迭代统一论作业_客观题> │ │ │ │ ├1.png │ │ │ │ ├2.png │ │ │ │ ├3.png │ │ │ │ └答案.txt │ │ │ ├<第一章优化迭代统一论作业_主观题> │ │ │ │ ├1.png │ │ │ │ └2.png │ ├<02.第二章深度学习反向传播> │ │ ├<第二章深度学习反向传播作业_客观题> │ │ │ ├1.png │ │ │ ├2.png │ │ │ ├3.png │ │ │ └答案.txt │ │ ├<视频> │ │ │ ├01-回归与分类、神经网络.mp4 │ │ │ ├02-BP算法(上).mp4 │ │ │ ├03-BP算法(下).mp4 │ │ │ └04-计算图.mp4 ├<03.第三阶段：优化论进阶> │ ├<01.第一章凸优化基础> │ │ ├<视频> │ │ │ ├01-一般优化问题.mp4 │ │ │ ├02-凸集和凸函数基础(上).mp4 │ │ │ ├03-凸集和凸函数基础(下).mp4 │ │ │ ├04-凸优化问题.mp4 │ │ │ └05-案例分析.mp4 │ ├<02.第二章凸优化进阶之对偶理论> │ │ ├<第二章凸优化进阶之对偶理论作业> │ │ │ ├客观题.PNG │ │ │ ├客观题答案.txt │ │ │ └主观题.PNG │ │ ├<视频> │ │ │ ├01-凸优化问题.mp4 │ │ │ ├02-对偶(上).mp4 │ │ │ ├03-对偶(下).mp4 │ │ │ └04-问题案例.mp4 │ ├<03.第二章主观题答案> │ │ ├1.PNG │ │ ├2.PNG │ │ ├3.PNG │ │ ├4.PNG │ │ ├5.PNG │ │ ├6.PNG │ │ ├7.PNG │ │ └8.PNG │ ├<04.第三章 SVM> │ │ ├<第三章 SVM作业> │ │ │ ├答案.txt │ │ │ ├客观题.PNG │ │ │ └主观题.PNG │ │ ├<视频> │ │ │ ├01-问题案例.mp4 │ │ │ ├02-SVM建模-成片.mp4 │ │ │ ├03-SVM求解-成片.mp4 │ │ │ └04-SVM扩展-成片.mp4 ├<04.第四阶段：数据降维的艺术> │ ├<01.第一章节：矩阵分析上篇> │ │ ├第四门_数据降维的艺术.rar │ │ ├<视频> │ │ │ ├01-线性代数基础与精华.mp4 │ │ │ ├02-特征分解.mp4 │ │ │ └03-PCA.mp4 │ ├<02.第二章节：矩阵分析下> │ │ ├<考核作业> │ │ │ ├第二章矩阵分析下篇作业_主观题.PNG │ │ │ ├第一章矩阵分析上篇作业_主观题.PNG │ │ │ ├<第二章矩阵分析下篇作业_客观题> │ │ │ │ ├1.PNG │ │ │ │ ├2.PNG │ │ │ │ └答案.txt │ │ │ ├<第一章矩阵分析上篇作业_客观题> │ │ │ │ ├1.PNG │ │ │ │ ├2.PNG │ │ │ │ └答案.txt │ │ ├<视频> │ │ │ ├01-特征分解复习.mp4 │ │ │ ├02-SVD理论.mp4 │ │ │ └03-矩阵其他重要知识及实际应用.mp4 ├<资料> │ ├<【非常重要】预习_本科数学划重点 (1)> │ ├<Matlab a 中文版> │ │ └MATLAB win64.zip

822

08-13 05:44

数学老师回来了-人工智能大数据的数学基石 Ai大数据领域的必学先导课程数据基础实战

称之为数学老师回来了，一点都不过分，课程如果单独列举出来，甚至可以独自的作为数学课程上的教材，但实际上却与大数据AI领域密切相关。其实坦白的讲，数学的能力在AI和大数据领域，尤其是从事算法相关的开发或者建模等等工作，都是非常紧要的一门基础课程，甚至可以说决定了工程们能够进修的深度。课程内容涵盖了线性代数，高等数学，概率论，最优化，优化论教学，凸优化进阶之对偶理论，数据降维的艺术，矩阵分析等等。如果同学们已经有一定的高数基础，在付出一定量的努力后，掌握课程内容应该不会特别难，但对于没有高数基础的同学们还是要再加强一下基础的数学课程。要明白，在AI大数据等领域，研习数学功底，帮助和提升是会有质的飞跃。 ===============课程目录=============== ├<01.第一阶段：AI数学基石> │ ├<01.第一章：线性代数> │ │ ├<视频> │ │ │ ├01_本章概述.mp4 │ │ │ ├02_定义和例子.mp4 │ │ │ ├03_向量及其运算.mp4 │ │ │ ├04_向量组的线性组合.mp4 │ │ │ ├05_向量组的线性相关性.mp4 │ │ │ ├06_内积的定义.mp4 │ │ │ ├07_范数的定义.mp4 │ │ │ ├08_内积的几何解释.mp4 │ │ │ ├09_矩阵和线性变换.mp4 │ │ │ ├10_线性变换.mp4 │ │ │ ├11_矩阵的运算.mp4 │ │ │ ├12_矩阵的转置.mp4 │ │ │ ├13_矩阵的行列式.mp4 │ │ │ ├14_逆矩阵.mp4 │ │ │ ├15_求解线性方程组.mp4 │ │ │ ├16_特征值和特征向量.mp4 │ │ │ ├17_对阵矩阵和正定矩阵.mp4 │ │ │ ├18_相似矩阵和对角化.mp4 │ │ │ ├19_二次型.mp4 │ │ │ └20_本章小结.mp4 │ ├<02.第二章：高等数学> │ │ ├<视频> │ │ │ ├01-本章概述.mp4 │ │ │ ├02-函数的定义.mp4 │ │ │ ├03-反函数.mp4 │ │ │ ├04-复合函数.mp4 │ │ │ ├05-引例.mp4 │ │ │ ├06-导数.mp4 │ │ │ ├07-函数的求导法则 .mp4 │ │ │ ├08-高阶导数.mp4 │ │ │ ├09-二元函数.mp4 │ │ │ ├10-二元函数的偏导数.mp4 │ │ │ ├11-方向导数和梯度.mp4 │ │ │ ├12-雅可比矩阵.mp4 │ │ │ ├13-海森矩阵.mp4 │ │ │ ├14-函数的极值.mp4 │ │ │ ├15-极值的定理.mp4 │ │ │ ├16-拉格朗日函数.mp4 │ │ │ ├17-泰勒展开式.mp4 │ │ │ └18-本章小结.mp4 │ ├<03.第三章：概率论> │ │ ├<视频> │ │ │ ├01-本章概述.mp4 │ │ │ ├02-基础概念.mp4 │ │ │ ├03-随机事件的概率.mp4 │ │ │ ├04-条件概率.mp4 │ │ │ ├05-事件的独立性.mp4 │ │ │ ├06-全概率公式和贝叶斯公式.mp4 │ │ │ ├07-随机变量的定义.mp4 │ │ │ ├08-概率分布.mp4 │ │ │ ├09-概率密度函数.mp4 │ │ │ ├10-随机变量的期望.mp4 │ │ │ ├11-随机变量的方差.mp4 │ │ │ ├12-最大似然估计(上) (1).mp4 │ │ │ ├13-最大似然估计(下) .mp4 │ │ │ └14-本章小节.mp4 │ ├<04.第四章：最优化> │ │ ├<视频> │ │ │ ├01-本章概述.mp4 │ │ │ ├02-基本形式.mp4 │ │ │ ├03-分类.mp4 │ │ │ ├04-线性规划问题实例.mp4 │ │ │ ├05-线性规划的标准形式.mp4 │ │ │ ├06-线性规划问题的求解.mp4 │ │ │ ├07-空间里的直线.mp4 │ │ │ ├08-仿射集.mp4 │ │ │ ├09-凸集.mp4 │ │ │ ├10-超平面和半空间.mp4 │ │ │ ├11-凸函数.mp4 │ │ │ ├12-凸优化问题.mp4 │ │ │ └13-本章小结 .mp4 ├<02.第二阶段：优化论初步> │ ├<01.第一章优化迭代统一论> │ │ ├<视频> │ │ │ ├01-本微专业概述.mp4 │ │ │ ├02-线性回归建模.mp4 │ │ │ ├03-无约束优化分析法(上).mp4 │ │ │ ├04-无约束优化分析法(下).mp4 │ │ │ ├05-无约束迭代法.mp4 │ │ │ ├06-线性回归求解.mp4 │ │ │ └07-案例分析.mp4 │ │ ├<作业> │ │ │ ├<第一章优化迭代统一论作业_客观题> │ │ │ │ ├1.png │ │ │ │ ├2.png │ │ │ │ ├3.png │ │ │ │ └答案.txt │ │ │ ├<第一章优化迭代统一论作业_主观题> │ │ │ │ ├1.png │ │ │ │ └2.png │ ├<02.第二章深度学习反向传播> │ │ ├<第二章深度学习反向传播作业_客观题> │ │ │ ├1.png │ │ │ ├2.png │ │ │ ├3.png │ │ │ └答案.txt │ │ ├<视频> │ │ │ ├01-回归与分类、神经网络.mp4 │ │ │ ├02-BP算法(上).mp4 │ │ │ ├03-BP算法(下).mp4 │ │ │ └04-计算图.mp4 ├<03.第三阶段：优化论进阶> │ ├<01.第一章凸优化基础> │ │ ├<视频> │ │ │ ├01-一般优化问题.mp4 │ │ │ ├02-凸集和凸函数基础(上).mp4 │ │ │ ├03-凸集和凸函数基础(下).mp4 │ │ │ ├04-凸优化问题.mp4 │ │ │ └05-案例分析.mp4 │ ├<02.第二章凸优化进阶之对偶理论> │ │ ├<第二章凸优化进阶之对偶理论作业> │ │ │ ├客观题.PNG │ │ │ ├客观题答案.txt │ │ │ └主观题.PNG │ │ ├<视频> │ │ │ ├01-凸优化问题.mp4 │ │ │ ├02-对偶(上).mp4 │ │ │ ├03-对偶(下).mp4 │ │ │ └04-问题案例.mp4 │ ├<03.第二章主观题答案> │ │ ├1.PNG │ │ ├2.PNG │ │ ├3.PNG │ │ ├4.PNG │ │ ├5.PNG │ │ ├6.PNG │ │ ├7.PNG │ │ └8.PNG │ ├<04.第三章 SVM> │ │ ├<第三章 SVM作业> │ │ │ ├答案.txt │ │ │ ├客观题.PNG │ │ │ └主观题.PNG │ │ ├<视频> │ │ │ ├01-问题案例.mp4 │ │ │ ├02-SVM建模-成片.mp4 │ │ │ ├03-SVM求解-成片.mp4 │ │ │ └04-SVM扩展-成片.mp4 ├<04.第四阶段：数据降维的艺术> │ ├<01.第一章节：矩阵分析上篇> │ │ ├第四门_数据降维的艺术.rar │ │ ├<视频> │ │ │ ├01-线性代数基础与精华.mp4 │ │ │ ├02-特征分解.mp4 │ │ │ └03-PCA.mp4 │ ├<02.第二章节：矩阵分析下> │ │ ├<考核作业> │ │ │ ├第二章矩阵分析下篇作业_主观题.PNG │ │ │ ├第一章矩阵分析上篇作业_主观题.PNG │ │ │ ├<第二章矩阵分析下篇作业_客观题> │ │ │ │ ├1.PNG │ │ │ │ ├2.PNG │ │ │ │ └答案.txt │ │ │ ├<第一章矩阵分析上篇作业_客观题> │ │ │ │ ├1.PNG │ │ │ │ ├2.PNG │ │ │ │ └答案.txt │ │ ├<视频> │ │ │ ├01-特征分解复习.mp4 │ │ │ ├02-SVD理论.mp4 │ │ │ └03-矩阵其他重要知识及实际应用.mp4 ├<资料> │ ├<【非常重要】预习_本科数学划重点 (1)> │ ├<Matlab a 中文版> │ │ └MATLAB win64.zip

621

04-01 08:26

数学老师回来了-机器学习中用到的的数学知识全面解读极大似然估计到微积分轻松实战

数学老师回来了-机器学习中用到的的数学知识全面解读极大似然估计到微积分轻松实战 ===============课程目录=============== ├─第一课：微分学基本概念.mp4 ├─第七课：凸优化简介.mp4 ├─第三课：概率论简介.mp4 ├─第九课：从线性模型谈起的机器学习分类与回归.mp4 ├─第二课：微分学进阶.mp4 ├─第五课：线性代数基础.mp4 ├─第八课：优化的稳定性.mp4 ├─第六课：线性代数进阶.mp4 ├─第十课：从信息论到工业界最爱的树模型.mp4 ├─第四课：极大似然估计.mp4 (1)\课件与代码；目录中文件数:22个 ├─Bayesian Reasoning and Machine Learning.pdf ├─ESLII.pdf ├─Gaussian Processes for Machine Learning.pdf ├─Information Theory, Inference, and Learning Algorithms.pdf ├─Machine Learning-A Probabilistic Perspective.pdf ├─matrix cookbook.pdf ├─MLE.pdf ├─Pattern Recognition and Machine Learning.pdf ├─PRML中文版.pdf ├─Python_SciPy_Cheat_Sheet_Linear_Algebra.pdf ├─数学班第二期第8课代码示范.支持向量机.ipynb ├─机器学习中的数学第二期第1课微分学与梯度下降法.pdf ├─机器学习中的数学第二期第2课微分学进阶.pdf ├─机器学习中的数学第二期第7课凸优化简介.pdf ├─机器学习中的数学第二期第8课凸优化进阶.pdf ├─机器学习数学教材.rar ├─第10课-机器学习分类问题与数学(下).pdf ├─第1课微分学与梯度下降法.pdf ├─第2课微分学进阶.pdf ├─第5课-线性代数基础_.pdf ├─第6课-线性代数进阶.pdf ├─第9课-机器学习分类问题与数学(上).pdf (2)\课件与代码\Lesson1_2 HW ├─p142_p143.JPG ├─p148.JPG ├─p176.JPG ├─p210.JPG ├─p211.JPG (3)\课件与代码\Lesson1_2作业 HW ├─p142_p143.JPG ├─p148.JPG ├─p176.JPG ├─p211.JPG

418