AI人工智能基础之高等数学必知必会—5443人已学习
课程介绍
本课程主要从数据分析、概率论和线性代数及矩阵和凸优化这四大块讲解基础,旨在训练大家的逻辑能力,分析能力。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,例如人工智能中的智能很大一部分是依托“概率论”实现的。
课程收益
掌握数据分析、概率论和线性代数及矩阵和凸优化,锻炼逻辑能力,分析能力。
讲师介绍
张勇 更多讲师课程
北风网技术总监,在某大型电信设备公司担任架构师,主要从事电信领域的软件开发,经验丰富。对电信计费系统以及核心网软件系统有深入了解,对设计高可靠性,高扩展性的软件系统具有丰富经验。
课程大纲
第1章:高等数学基础
1. 函数 46:15
2. 极限 42:44
3. 函数极限 41:01
4. 函数极限性质和两个重要极限 44:36
5. 导数、函数单调性 49:05
6. 导数应用:函数的极值和最值 55:26
7. 泰勒公式 20:12
8. 泰勒展开式 24:13
9. 多元函数极限 34:01
10. 多元函数偏导数 25:45
11. 线性代数-向量运算 31:08
12. 方向导数、梯度 01:07:54
13. 常见矩阵变换和计算 51:48
14. 行列式和矩阵的逆 46:03
15. 矩阵初等变换计算 53:55
16. 矩阵等价变换和矩阵的秩 01:03:01
17. 线性方程组的解 01:32:43
18. 特征值、特征向量及矩阵对角化应用 59:15
19. 正定、奇异矩阵、矩阵分解、向量导数 01:03:50
20. 古典概率、条件概率、全概率、贝叶斯 01:24:38
21. 贝叶斯 30:33
22. 随机变量分布 37:30
23. 离散变量分布:伯努利、二项、泊松、超几何分布 01:23:17
24. 连续型随机分布 17:07
25. 连续变量分布:均匀分布、指数分布、正态分布等 01:03:26
26. 数字特征:期望、方差、协方差、相关系数 52:33
27. 中心距、峰度等概念及参数估计、最大似然 54:53
大家可以点击【 查看详情】查看我的课程
课程介绍
本课程主要从数据分析、概率论和线性代数及矩阵和凸优化这四大块讲解基础,旨在训练大家的逻辑能力,分析能力。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,例如人工智能中的智能很大一部分是依托“概率论”实现的。
课程收益
掌握数据分析、概率论和线性代数及矩阵和凸优化,锻炼逻辑能力,分析能力。
讲师介绍
张勇 更多讲师课程
北风网技术总监,在某大型电信设备公司担任架构师,主要从事电信领域的软件开发,经验丰富。对电信计费系统以及核心网软件系统有深入了解,对设计高可靠性,高扩展性的软件系统具有丰富经验。
课程大纲
第1章:高等数学基础
1. 函数 46:15
2. 极限 42:44
3. 函数极限 41:01
4. 函数极限性质和两个重要极限 44:36
5. 导数、函数单调性 49:05
6. 导数应用:函数的极值和最值 55:26
7. 泰勒公式 20:12
8. 泰勒展开式 24:13
9. 多元函数极限 34:01
10. 多元函数偏导数 25:45
11. 线性代数-向量运算 31:08
12. 方向导数、梯度 01:07:54
13. 常见矩阵变换和计算 51:48
14. 行列式和矩阵的逆 46:03
15. 矩阵初等变换计算 53:55
16. 矩阵等价变换和矩阵的秩 01:03:01
17. 线性方程组的解 01:32:43
18. 特征值、特征向量及矩阵对角化应用 59:15
19. 正定、奇异矩阵、矩阵分解、向量导数 01:03:50
20. 古典概率、条件概率、全概率、贝叶斯 01:24:38
21. 贝叶斯 30:33
22. 随机变量分布 37:30
23. 离散变量分布:伯努利、二项、泊松、超几何分布 01:23:17
24. 连续型随机分布 17:07
25. 连续变量分布:均匀分布、指数分布、正态分布等 01:03:26
26. 数字特征:期望、方差、协方差、相关系数 52:33
27. 中心距、峰度等概念及参数估计、最大似然 54:53
大家可以点击【 查看详情】查看我的课程