人工智能学习轨迹

阶段一、数学基础

本课程主要从数据分析、概率论和线性代数及矩阵这三大块讲解基础，方便大家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。

一、数据分析
1）常数e 2）导数  3） 梯度	4） Taylor 5） gini系数 6）信息熵与组合数
二、概率论
1）概率论基础 2）古典模型  3）常见概率分布	4）大数定理和中心极限定理  5）协方差(矩阵)和相关系数  6）最大似然估计和最大后验估计
三、线性代数及矩阵
1） 线性空间及线性变换  2）矩阵的基本概念练  3）状态转移矩阵  4）特征向量  5）矩阵的相关乘法	6）矩阵的QR分解  7）对称矩阵、正交矩阵、正定矩阵  8）矩阵的SVD分解  9）矩阵的求导  10）数据白化及其应用

阶段二、Python

本课程主要从环境搭、Python基础、Python常用库、Python机器学习库这四大块讲解基础，方便大家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。

一、环境搭建

1）Python2.7 2）Anaconda