• 欢迎访问TT7.org ,TT7 专注IT技术学习与分享。欢迎一起成长。

唐宇迪人工智能深度学习教程:数据科学中必备数学基础视频课程

AI与大数据 爱学习的小T 2周前 (07-29) 36次浏览 0个评论

人工智能-必备数学基础视频课程
数据科学与人工智能必备数学基础课程旨在帮助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,零基础同学按顺序学习即可,有基础的同学们可以按照自己的需求来有选择的学习!

唐宇迪老师是计算机博士,主要擅长的领域深度学习领域,计算机视觉,图像识别著有《跟迪哥学机器学习》,人工智能培训专家,课程风格通俗易懂,用最接地气的讲解带领同学们进军Ai。

课程内容:
1.高数,线数,概率论,统计分析;
2.并不是考研数学,所以重点在于理解而不是笔算;
3.打下基础,快速入门,边用边学,哪里不会点哪里。

课程的目的:
1.打下基础!为机器学习,数据分析,数据挖掘,人工智能做准备;
2.风格通俗易懂,快速掌握必备基础知识点;
人工智能-必备数学基础视频课程 截图

人工智能-必备数学基础视频课程

第1章高等数学基础

1-1课程简介

1-2函数

1-3极限

1-4无穷小与无穷大

1-5连续型与偏导数

1-6偏导数

1-7方向导数

1-8梯度

第2章微积分

2-1微积分基本想法

2-2微积分的解释

2-3定积分

2-4定积分性质

2-5牛顿-莱布尼茨公式

第3章泰勒公式与拉格朗日

3-1泰勒公式出发点

3-2一点一世界

3-3阶数的作用

3-4阶乘的作用

3-5拉格朗日乘子法

3-6求解拉格朗日乘子法

第4章线性代数基础

4-1行列式概述

4-2矩阵与数据的关系

4-3矩阵基本操作

4-4矩阵的几种变换

4-5矩阵的秩

4-6内积与正交

第5章特征值与矩阵分解

5-1特征值与特征向量

5-2特征空间与应用

5-3SVD要解决的问题

5-4特征值分解

5-5SVD矩阵分解

第6章随机变量与概率估计

6-1离散型随机变量

6-2连续型随机变量

6-3简单随机抽样

6-4似然函数

6-5极大似然估计

第7章概率论基础

7-1概率与频率

7-2古典概型

7-3条件概率

7-4条件概率小例子

7-5独立性

7-6二维离散随机变量

7-7二维连续型随机变量

7-8边缘分布

7-9期望

7-10期望求解

7-11马尔科夫不等式

7-12切比雪夫不等式

7-13后验概率估计

7-14贝叶斯拼写纠错实例

7-15垃圾邮件过滤实例

第8章数据科学你得知道的几种分布

8-1正太分布

8-2二项式分布

8-3泊松分布

8-4均匀分布

8-5卡方分布

8-6beta分布

第9章核函数变换

9-1核函数的目的

9-2线性核函数

9-3多项式核函数

9-4核函数实例

9-5高斯核函数

9-6参数的影响

第10章熵与激活函数

10-1熵的概念

10-2熵的大小意味着什么

10-3激活函数

10-4激活函数的问题

第11章回归分析

11-1回归分析概述

11-2回归方程定义

11-3误差项的定义

11-4最小二乘法推导与求解

11-5回归方程求解小例子

11-6回归直线拟合优度

11-7多元与曲线回归问题

11-8Python工具包介绍

11-9statsmodels回归分析

11-10高阶与分类变量实例

11-11案例:汽车价格预测任务概述

11-12缺失值填充

11-13特征相关性

11-14预处理问题

11-15回归求解

第12章假设检验

12-1假设检验基本思想

12-2左右侧检验与双侧检验

12-3Z检验基本原理

12-4Z检验实例

12-5T检验基本原理

12-6T检验实例

12-7T检验应用条件

12-8卡方检验

12-9假设检验中的两类错误

12-10Python假设检验实例

12-11Python卡方检验实例

第13章相关分析

13-1相关分析概述

13-2皮尔森相关系数

13-3计算与检验

13-4斯皮尔曼等级相关

13-5肯德尔系数

13-6质量相关分析

13-7偏相关与复相关

第14章方差分析

14-1方差分析概述

14-2方差的比较

14-3方差分析计算方法

14-4方差分析中的多重比较

14-5多因素方差分析

14-6Python方差分析实例

第15章聚类分析

15-1层次聚类概述

15-2层次聚类流程

15-3层次聚类实例

15-4KMEANS算法概述

15-5KMEANS工作流程

15-6KMEANS迭代可视化展示

15-7DBSCAN聚类算法

15-8DBSCAN工作流程

15-9DBSCAN可视化展示

第16章贝叶斯分析

16-1贝叶斯分析概述

16-2概率的解释

16-3贝叶斯学派与经典统计学派的争论

16-4贝叶斯算法概述

16-5贝叶斯推导实例

16-6贝叶斯拼写纠错实例

16-7垃圾邮件过滤实例

16-8贝叶斯解释

16-9经典求解思路

16-10MCMC概述

16-11PYMC3概述

16-12模型诊断

16-13模型决策

16-14作业


版权归原作者所有,交流学习联系:tt(at)tt7.org
喜欢 (6)
发表我的评论
取消评论

表情 贴图 加粗 删除线 居中 斜体 签到

Hi,您需要填写昵称和邮箱!

  • 昵称 (必填)
  • 邮箱 (必填)
  • 网址