机器学习的数学基础(53集 高等数学 线性代数 概率论 数理统计)

名称：机器学习的数学基础(53集 高等数学 线性代数 概率论 数理统计)

描述：这套课程系统讲解了机器学习所需的数学基础，涵盖高等数学、线性代数、概率论和优化方法四大模块。课程从微分基础(泰勒展开、梯度下降)到线性代数(矩阵分解、正定性)，再到概率统计(贝叶斯定理、EM算法)，最后到优化方法(牛顿法、KKT条件)，共53集内容。通过理论推导与实例结合，帮助学习者掌握机器学习背后的数学原理，适合希望夯实数学基础的AI学习者。

链接：
百度：https://pan.baidu.com/s/1pAyjm1w43s3Thq7yRS28nA?pwd=mne5
夸克：https://pan.quark.cn/s/a3b936c0d2ca

???? 大小：2.93 GB
???? 标签：#机器学习 #数学基础 #高等数学 #线性代数 #概率论 #优化方法 #梯度下降 #矩阵分解 #贝叶斯定理 #牛顿法 #机器学习的数学基础 #数理统计 #baidu #quark

└─机器学习的数学基础（53集 高等数学 线性代数 概率论 数理统计）
    ├─第1章-微分上
    │      1-1 课程介绍.mp4
    │      1-10 本集总结.mp4
    │      1-2 O（n）.mp4
    │      1-3 极限.mp4
    │      1-4 导数.mp4
    │      1-5 求导方法.mp4
    │      1-6 费马定理.mp4
    │      1-7 函数逼近.mp4
    │      1-8 泰勒展开.mp4
    │      1-9 凸函数.mp4
    │
    ├─第2章-微分下
    │      2-1 本集介绍.mp4
    │      2-10 本集总结.mp4
    │      2-2 多元函数.mp4
    │      2-3 偏导数.mp4
    │      2-4 方向导数.mp4
    │      2-5 可微.mp4
    │      2-6 梯度.mp4
    │      2-7 链式法则.mp4
    │      2-8 Hessian矩阵.mp4
    │      2-9 拉格朗日乘数法.mp4
    │
    ├─第3章-线性代数
    │      3-1 本集介绍.mp4
    │      3-10 本集总结.mp4
    │      3-2 向量矩阵张量.mp4
    │      3-3 向量与矩阵运算.mp4
    │      3-4 张量的运算.mp4
    │      3-5 矩阵的逆与伪逆.mp4
    │      3-6 行列式.mp4
    │      3-7 线性方程组.mp4
    │      3-8 二次型与正定性.mp4
    │      3-9 矩阵分解.mp4
    │
    ├─第4章-概率统计
    │      4-1 本集介绍.mp4
    │      4-10 zuida后验估计.mp4
    │      4-11 蒙特卡洛方法.mp4
    │      4-12 Bootstrap方法.mp4
    │      4-13 EM算法.mp4
    │      4-14 本集总结.mp4
    │      4-2 随机变量与概率分布.mp4
    │      4-3 贝叶斯定理.mp4
    │      4-4 期望、方差与条件数学期望.mp4
    │      4-5 大数定律.mp4
    │      4-6 特征函数与中心极限定理.mp4
    │      4-7 统计学基本概念.mp4
    │      4-8 统计学基本概念.mp4
    │      4-9 极大似然估计.mp4
    │
    └─第5章-zui优化方法
            5-1 5.1 本集简介.mp4
            5-2 优化问题简介.mp4
            5-3 最速下降法.mp4
            5-4 共轭梯度法.mp4
            5-5 牛顿法.mp4
            5-6 拟牛顿法.mp4
            5-7 约束非线性优化.mp4
            5-8 KKT条件.mp4
            5-9 本集总结.mp4