- 第一章高等數(shù)學(xué)基礎(chǔ)：0-課程簡(jiǎn)介
- 第一章高等數(shù)學(xué)基礎(chǔ)：1-函數(shù)
- 第一章高等數(shù)學(xué)函數(shù)：2-極限
- 第一章高等數(shù)學(xué)函數(shù)：3-無(wú)窮小與無(wú)窮大
- 第一章高等數(shù)學(xué)函數(shù)：4-連續(xù)性與導(dǎo)數(shù)
- 第一章高等數(shù)學(xué)函數(shù)：5-偏導(dǎo)數(shù)
- 第一章高等數(shù)學(xué)函數(shù)：6-方向?qū)?shù)
- 第一章高等數(shù)學(xué)函數(shù)：7-梯度
- 第二章微積分：1-微積分基本想法
- 第二章微積分：2-微積分的解釋
- 第二章微積分：3-定積分
- 第二章微積分：4-定積分性質(zhì)
- 第二章微積分：5-牛頓-萊布尼茨公式
- 第三章泰勒公式與拉格朗日：1-泰勒公式出發(fā)點(diǎn)
- 第三章泰勒公式與拉格朗日：2-一點(diǎn)一世界
- 第三章泰勒公式與拉格朗日：3-階數(shù)的作用
- 第三章泰勒公式與拉格朗日：4-階乘的作用
- 第三章泰勒公式與拉格朗日：5-拉格朗日乘子法
- 第三章泰勒公式與拉格朗日：6-求解拉格朗日乘子法
- 第四章線性代數(shù)基礎(chǔ)：1-行列式概述
- 第四章線性代數(shù)基礎(chǔ)：2-矩陣與數(shù)據(jù)的關(guān)系
- 第四章線性代數(shù)基礎(chǔ)：3-矩陣基本操作
- 第四章線性代數(shù)基礎(chǔ)：4-矩陣的幾種變換
- 第四章線性代數(shù)基礎(chǔ)：5-矩陣的秩
- 第四章線性代數(shù)基礎(chǔ)：6-內(nèi)積與正交
- 第五章特征值與矩陣分解：1-特征值與特征向量
- 第五章特征值與矩陣分解：2-特征空間與應(yīng)用
- 第五章特征值與矩陣分解：3-SVD要解決的問(wèn)題
- 第五章特征值與矩陣分解：第五章特征值與矩陣分解：4-特征值分解
- 第五章特征值與矩陣分解：5-SVD矩陣分解
- 第六章隨機(jī)變量：1-離散型隨機(jī)變量
- 第六章隨機(jī)變量：2-連續(xù)型隨機(jī)變量
- 第六章隨機(jī)變量：3-簡(jiǎn)單隨機(jī)抽樣
- 第六章隨機(jī)變量：4-似然函數(shù)
- 第六章隨機(jī)變量：5-極大似然估計(jì)
- 第七章概率論基礎(chǔ)：1-概率與頻率
- 第七章概率論基礎(chǔ)：2-古典概型
- 第七章概率論基礎(chǔ)：3-條件概率
- 第七章概率論基礎(chǔ)：4-條件概率小例子
- 第七章概率論基礎(chǔ)：5-獨(dú)立性
- 第七章概率論基礎(chǔ)：6-二維離散型隨機(jī)變量
- 第七章概率論基礎(chǔ)：7-二維連續(xù)型隨機(jī)變量
- 第七章概率論基礎(chǔ)：8-邊緣分布
- 第七章概率論基礎(chǔ)：9-期望
- 第七章概率論基礎(chǔ)：10-期望求解
- 第七章概率論基礎(chǔ)：11-馬爾科夫不等式
- 第七章概率論基礎(chǔ)：12-切比雪夫不等式
- 第七章概率論基礎(chǔ)：13-后驗(yàn)概率估計(jì)
- 第八章數(shù)據(jù)科學(xué)你得知道的幾個(gè)分布：1-正太分布
- 第八章數(shù)據(jù)科學(xué)你得知道的幾個(gè)分布：2-二項(xiàng)式分布
- 第八章數(shù)據(jù)科學(xué)你得知道的幾個(gè)分布：3-泊松分布
- 第八章數(shù)據(jù)科學(xué)你得知道的幾個(gè)分布：4-均勻分布
- 第八章數(shù)據(jù)科學(xué)你得知道的幾個(gè)分布；5-卡方分布
- 第八章數(shù)據(jù)科學(xué)你得知道的幾個(gè)分布；6-beta分布
- 第九章核函數(shù)變化：1-核函數(shù)的目的
- 第九章核函數(shù)變化：2-線性核函數(shù)
- 第九章核函數(shù)變化：3-多項(xiàng)式核函數(shù)
- 第九章核函數(shù)變化：4-核函數(shù)實(shí)例
- 第九章核函數(shù)變化：5-高斯核函數(shù)
- 第九章核函數(shù)變化：6-參數(shù)的影響
- 第十章熵與激活函數(shù)：1-熵的概念
- 第十章熵與激活函數(shù)：2-熵的大小意味著什么
- 第十章熵與激活函數(shù)：3-激活函數(shù)
- 第十章熵與激活函數(shù)：4-激活函數(shù)的問(wèn)題
- 第十一章回歸分析：1-回歸分析概述
- 第十一章回歸分析：2-回歸方程定義
- 第十一章回歸分析：3-誤差項(xiàng)的定義
- 第十一章回歸分析：4-最小二乘法推導(dǎo)與求解
- 第十一章回歸分析：5-回歸方程求解小例子
- 第十一章回歸分析：6-回歸直線擬合優(yōu)度
- 第十一章回歸分析：7-多元與曲線回歸問(wèn)題
- 第十一章回歸分析：8-Python工具包介紹
- 第十一章回歸分析：9-statsmodels回歸分析
- 第十一章回歸分析：10-高階與分類變量實(shí)例
- 第十一章回歸分析：11-案例：汽車價(jià)格預(yù)測(cè)任務(wù)概述
- 第十一章回歸分析：12-案例：缺失值填充
- 第十一章回歸分析：13-案例：特征相關(guān)性
- 第十一章回歸分析：14-案例：預(yù)處理問(wèn)題
- 第十一章回歸分析：15-案例：回歸求解
- 第十二章假設(shè)檢驗(yàn)：1-假設(shè)檢驗(yàn)基本思想
- 第十二章假設(shè)檢驗(yàn)：2-左右側(cè)檢驗(yàn)與雙側(cè)檢驗(yàn)
- 第十二章假設(shè)檢驗(yàn)：3-Z檢驗(yàn)基本原理
- 第十二章假設(shè)檢驗(yàn)：4-Z檢驗(yàn)實(shí)例
- 第十二章假設(shè)檢驗(yàn)：5-T檢驗(yàn)基本原理
- 第十二章假設(shè)檢驗(yàn)：6-T檢驗(yàn)實(shí)例
- 第十二章假設(shè)檢驗(yàn)：7-T檢驗(yàn)應(yīng)用條件
- 第十二章假設(shè)檢驗(yàn)：8-卡方檢驗(yàn)
- 第十二章假設(shè)檢驗(yàn)：9-假設(shè)檢驗(yàn)中的兩類錯(cuò)誤
- 第十二章假設(shè)檢驗(yàn)：10-Python假設(shè)檢驗(yàn)實(shí)例
- 第十二章假設(shè)檢驗(yàn)：11-Python卡方檢驗(yàn)實(shí)例
- 第十三章相關(guān)分析：1-相關(guān)分析概述
- 第十三章相關(guān)分析：2-皮爾森相關(guān)系數(shù)
- 第十三章相關(guān)分析：3-計(jì)算與檢驗(yàn)
- 第十三章相關(guān)分析：4-斯皮爾曼等級(jí)相關(guān)
- 第十三章相關(guān)分析：5-肯德?tīng)栂禂?shù)
- 第十三章相關(guān)分析：6-質(zhì)量相關(guān)分析
- 第十三章相關(guān)分析：7-偏相關(guān)與復(fù)相關(guān)
- 第十四章：方差分析 1-方差分析概述
- 第十四章：方差分析2-方差的比較
- 第十四章：方差分析3-方差分析計(jì)算方法
- 第十四章：方差分析4-方差分析中的多重比較
- 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方差分析實(shí)例
- 第十五章：聚類分析 1-層次聚類概述
- 第十五章：聚類分析2-層次聚類流程
- 第十五章：聚類分析3-層次聚類實(shí)例
- 第十五章：聚類分析1-KMEANS算法概述
- 第十五章：聚類分析2-KMEANS工作流程
- 第十五章：聚類分析3-KMEANS迭代可視化展示
- 第十五章：聚類分析1-DBSCAN聚類算法
- 第十五章：聚類分析2-DBSCAN工作流程
- 第十五章：聚類分析3-DBSCAN可視化展示
- 第十五章：聚類分析1-多種聚類算法概述
- 第十五章：聚類分析2-聚類案例實(shí)戰(zhàn)
- 第十六章：貝葉斯分析 1-貝葉斯分析概述
- 第十六章：貝葉斯分析2-概率的解釋
- 第十六章：貝葉斯分析3-貝葉斯學(xué)派與經(jīng)典統(tǒng)計(jì)學(xué)派的爭(zhēng)論
- 第十六章：貝葉斯分析4-貝葉斯解釋
- 第十六章：貝葉斯分析5-經(jīng)典求解思路
- 第十六章：貝葉斯分析6-MCMC概述
- 第十六章：貝葉斯分析7-PYMC3概述
- 第十六章：貝葉斯分析8-模型診斷
- 第十六章：貝葉斯分析9-模型決策
課程簡(jiǎn)介
人工智能，機(jī)器學(xué)習(xí)，深度學(xué)習(xí)中用到的數(shù)學(xué)基礎(chǔ)課程。
本套課程為持續(xù)更新課程。只要大家有數(shù)學(xué)方面的需求，老師會(huì)持續(xù)免費(fèi)更新。
現(xiàn)有課程包括：線性代數(shù)、微積分、信息論等數(shù)學(xué)類基礎(chǔ)知識(shí)。
數(shù)據(jù)科學(xué)與人工智能必備數(shù)學(xué)基礎(chǔ)課程旨在幫助同學(xué)們快速打下數(shù)學(xué)基礎(chǔ)，通俗講解其中每一個(gè)知識(shí)點(diǎn)。課程內(nèi)容涉及高等數(shù)學(xué)，線性代數(shù)，概率論與統(tǒng)計(jì)學(xué)，同學(xué)們?cè)趯W(xué)習(xí)過(guò)程中應(yīng)當(dāng)以理解為出發(fā)點(diǎn)并不需要死記每一個(gè)公式，快速掌握核心知識(shí)點(diǎn)。課程章節(jié)內(nèi)容較多，零基礎(chǔ)同學(xué)按順序?qū)W習(xí)即可，有基礎(chǔ)的同學(xué)們可以按照自己的需求來(lái)有選擇的學(xué)習(xí)！
數(shù)據(jù)科學(xué)與人工智能必備數(shù)學(xué)基礎(chǔ)課程旨在幫助同學(xué)們快速打下數(shù)學(xué)基礎(chǔ)，通俗講解其中每一個(gè)知識(shí)點(diǎn)。
課程內(nèi)容涉及高等數(shù)學(xué)，線性代數(shù)，概率論與統(tǒng)計(jì)學(xué)，同學(xué)們?cè)趯W(xué)習(xí)過(guò)程中應(yīng)當(dāng)以理解為出發(fā)點(diǎn)并不需要死記每一個(gè)公式，快速掌握核心知識(shí)點(diǎn)。課程章節(jié)內(nèi)容較多，零基礎(chǔ)同學(xué)按順序?qū)W習(xí)即可，有基礎(chǔ)的同學(xué)們可以按照自己的需求來(lái)有選擇的學(xué)習(xí)！
