课程介绍：
从数据分析、概率论和线性代数及矩阵和凸优化这四大块讲解基础，旨在训练大家逻辑能力。拥有良好的数学基础，有利于大家在后续课程的学习中更好的理解机器学习和深度学习的相关算法内容，同时对于AI研究尤为重要，如人工智能中的智能很大一部分是依托“概率论”实现的。
课程目录：
| 1.1、01-π、自然常识e、导数、导数的单调性.mp4 |
| 1.2、02–凸函数、常见导函数、偏导数、方向导数、梯度.mp4 |
| 1.3、03-Taylor公式、贝叶斯公式、条件概率、期望、方差、协方差.mp4 |
| 1.4、04-正态分布、二点分布、几何分布、泊松分布、均匀分布、指数分布.mp4 |
| 1.5、05-契比雪夫不等式、大数定理、中心极限定理、极大似然.mp4 |
| 1.6、06-向量、矩阵、矩阵逆、转置、行列式、状态转移矩阵、特征值、特征向量.mp4 |
| 1.7、AI2-07-QR分解、SVD、向量导数.mp4 |
| AI_数学基础.pdf |
本站所有资源均来自网络，版权归原作者所有，本站仅提供收集与推荐，若侵犯到您的权益，请【给我们反馈】，我们将在24小时内处理！
聚资料（juziliao.com）免责声明：
1. 本站所有资源来源于用户上传和网络，如有侵权请邮件联系站长！（gm@juziliao.com）
2. 分享目的仅供大家学习和交流，请不要用于商业用途！如需商用请联系原作者购买正版！ 3.如有链接无法下载、失效或洽谈广告，请联系网站客服（微信：shangen0228）处理！
