斯坦福大学CS229数学基础（线性代数、概率论）中文翻译版.pdf

本文是斯坦福大学CS 229机器学习课程的基础材料的中文翻译，个人认为是目前最好的人工智能的数学基础材料。

Stanford cs229 manchine learning课程，是斯坦福大学近十年来最热门的课程，而其中的数学基础部分，更是人工智能各课程的基础。

基础材料主要分为线性代数和概率论，而且针对机器学习课程做了优化，非常适合学习。由于数学基础材料只有中文版，黄海广博士等人将其翻译成中文，并提供pdf版本下载。获取方式：

关注公众号，回复“CS229”可以获取下载地址。

概率论文件目录

1. 概率的基本要素

1.1 条件概率和独立性

2. 随机变量

2.1 累积分布函数

2.2 概率质量函数

2.3 概率密度函数

2.4 期望

2.5 方差

2.6 一些常见的随机变量

3. 两个随机变量

3.1 联合分布和边缘分布

3.2 联合概率和边缘概率质量函数

3.3 联合概率和边缘概率密度函数

3.4 条件概率分布

3.5 贝叶斯定理

3.6 独立性

3.7 期望和协方差

4. 多个随机变量

4.1 基本性质

4.2 随机向量

4.3 多元高斯分布

5. 其他资源

线性代数文件目录

1. 基础概念和符号
1.1 基本符号

2.矩阵乘法

2.1 向量-向量乘法

2.2 矩阵-向量乘法

2.3 矩阵-矩阵乘法

3 运算和属性

3.1 单位矩阵和对角矩阵

3.2 转置

3.3 对称矩阵

3.4 矩阵的迹

3.5 范数

3.6 线性相关性和秩

3.7 方阵的逆

3.8 正交阵

3.9 矩阵的值域和零空间

3.10 行列式

3.11 二次型和半正定矩阵

3.12 特征值和特征向量

3.13 对称矩阵的特征值和特征向量

4.矩阵微积分

4.1 梯度

4.2 黑塞矩阵

4.3 二次函数和线性函数的梯度和黑塞矩阵

4.4 最小二乘法

4.5 行列式的梯度

4.6 特征值优化

文件分为markdown版本和pdf版本，文件内容截图：

原始文件

翻译文件

获取方式：

关注公众号，回复“CS229”可以获取下载地址。