扫码下载「CSDN程序员学院APP」,1000+技术好课免费看
APP订阅课程,领取优惠,最少立减5元 ↓↓↓
订阅后:请点击此处观看视频课程
视频教程-机器学习和AI: 数学编程基础篇-机器学习
学习有效期:永久观看
学习时长:686分钟
学习计划:12天
难度:低
「口碑讲师带队学习,让你的问题不过夜」
讲师姓名:李盛刚
技术总监/研发总监
讲师介绍:北美运筹学硕士,统计学博士 就职于北美各大银行,信用局,交通和零售企业和咨询公司
☛点击立即跟老师学习☚
「你将学到什么?」
学习人工智能,机器学习都离不开数学基础和编程知识。
无论你是数据科学的初学者还是已经从事人工智能开发的有经验人员,这门课都适合于你。
为什么这么说?首先人工智能和机器学习本质上就是算法,而算法就是数学及统计学以及编程的结合。当前市场上有许多开源的软件包如SKLEARN确实可以帮助没经验的或缺乏数学或算法基础的人实现机器学习模型及预测,但这些工具无法使你真正懂得算法的本质或来源,或者无法使你在不同场合下灵活运用及改进算法。记住,在实际工作中找到适合应用场景的解决方案是最难但是最重要的。但这离不开数学基础和算法理解。
比如,线性回归是一类普遍的机器学习算法,所有的机器学习软件都有现成的方法实现模型,但如果在训练数据中加入几条新数据,那么新建立的模型和原来的模型有和联系或不同?再比如,为什么深度神经网络中的Sigmoid函数一般只用到输出层?神经网络的向后传播理论如何与泰勒展开和复合函数的偏导数联系在一起?人工智能中推荐系统和文字向量如何与矩阵的奇异分解以及特征向量联系?模型中对标签进行数据变换如何影响预测值?所有这些问题的答案,你都可以从本课中找到线索。
本课系统地讲述了有关人工智能,机器学习背后的数学知识。特别指出,微积分和代数知识是本课的核心。统计学基础被安排在另外的课程中。除此之外,我在每一章节或主要知识点后都安排了各类程序以解释和回顾所学到的东西。
最后要提到的是,这不是一门工程项目实践课。但我会另外专门安排有关人工智能,机器学习的实践课程
「课程学习目录」
1.课程简介 |
2.About Me (自我介绍) |
3.套餐课程系列总体知识和适用人群 |
4.知识要点 |
5.应用场景 (1) |
6.数学应用场景 (2) |
7.数学应用场景 (3) |
8.线性函数 (1) |
9.线性函数 (2) |
10.线性函数 (3) |
11.多项式函数 (1) |
12.多项式函数 (2) |
13.指数和对数函数 |
14.有关人工智能和机器学习的重要函数 (1) |
15.有关人工智能和机器学习的重要函数 (2) |
16.有关人工智能和机器学习的重要函数 (3) |
17.有关人工智能和机器学习的重要函数 (4) |
18.安装和使用Anaconda for Python (1) |
19.安装和使用Anaconda for Python (2) |
20.Python 科学包和编程介绍 |
21.Python编程:函数特性和图像 (1) |
22.Python编程:函数特性和图像 (2) |
23.函数的导数和性质 (1) |
24.函数的导数和性质 (2) |
25.函数的导数和性质 (3) |
26.理解导数为零的意义和性质 (1) |
27.理解导数为零的意义和性质 (2) |
28.理解导数为零的意义和性质 (3) |
29.各类函数的导数 |
30.乘除函数的导数运算 |
31.函数微分编程实例 (1) |
32.函数微分编程实例 (2) |
33.函数微分编程实例 (3) |
34.导数的链式法则 (1) |
35.导数的链式法则 (2) |
36.Python 编程:导数的链式法则 |
37.函数的积分 |
38.Python 编程:函数的积分 |
39.泰勒展开和近似计算方法 (1) |
40.泰勒展开和近似计算方法 (2) |
41.泰勒展开和近似计算方法 (3) |
42.牛顿-拉夫逊(拉弗森)方法 |
43.Python算法编程: 牛顿-拉夫逊(拉弗森)方法 (1) |
44.Python算法编程: 牛顿-拉夫逊(拉弗森)方法 (2) |
45.导数在优化问题中的应用 |
46.凸函数和凹函数 |
47.判断极值的方法 |
48.Python编程:函数优化方法及图形 |
49.人工智能中的线性代数基础 |
50.矩阵和运算规则 (1) |
51.矩阵和运算规则 (2) |
52.矩阵和运算规则 (3) |
53.Python 编程: 矩阵和运算 |
54.单位矩阵和逆矩阵 (1) |
55.单位矩阵和逆矩阵 (2) |
56.Python 编程:单位矩阵和逆矩阵 |
57.确定,超定和不定方程组 (1) |
58.确定,超定和不定方程组 (2) |
59.Python 编程:求解方程组求解方程组和最小二乘法 |
60.特征向量和特征值 |
61.对角化分解 |
62.Python 编程:求解特征向量和特征值 |
63.正交矩阵和分解 (1) |
64.正交矩阵和分解 (2) |
65.矩阵的奇异值分解 |
66.Python for 正交矩阵和分解: |
67.机种实用的矩阵运算与应用 |
68.矩阵的秩-修正和 Sherman-Morrison公式 |
69.Woodbury公式 (Sherman-Morrison公式的扩展) |
70.分块矩阵的运算和求逆公式 |
71.矩阵的零空间和特性 |
72.二次型的矩阵表示 (1) |
73.二次型的矩阵表示 (2) |
74.Python 编程:矩阵运算与应用 (1) |
75.Python 编程:矩阵运算与应用 (2) |
76.导数矩阵及应用 |
77.维牛顿方法在优化中的应用 |
78.多维变量函数的求解和优化 |
79.多变量多函数的方程组求解: Newton-Raphson方法 (1) |
80.多变量多函数的方程组求解: Newton-Raphson方法 (2) |
81.通过Python Sympy 实现Newton-Raphson方法 |
「7项超值权益,保障学习质量」
- 大咖讲解
技术专家系统讲解传授编程思路与实战。
- 答疑服务
专属社群随时沟通与讲师答疑,扫清学习障碍,自学编程不再难。
- 课程资料+课件
超实用资料,覆盖核心知识,关键编程技能,方便练习巩固。(部分讲师考虑到版权问题,暂未上传附件,敬请谅解)
- 常用开发实战
企业常见开发实战案例,带你掌握Python在工作中的不同运用场景。
- 大牛技术大会视频
2019Python开发者大会视频免费观看,送你一个近距离感受互联网大佬的机会。
- APP+PC随时随地学习
满足不同场景,开发编程语言系统学习需求,不受空间、地域限制。
「什么样的技术人适合学习?」
- 想进入互联网技术行业,但是面对多门编程语言不知如何选择,0基础的你
- 掌握开发、编程技术单一、冷门,迫切希望能够转型的你
- 想进入大厂,但是编程经验不够丰富,没有竞争力,程序员找工作难。
「悉心打造精品好课,12天学到大牛3年项目经验」
【完善的技术体系】
技术成长循序渐进,帮助用户轻松掌握
掌握机器学习知识,扎实编码能力
【清晰的课程脉络】
浓缩大牛多年经验,全方位构建出系统化的技术知识脉络,同时注重实战操作。
【仿佛在大厂实习般的课程设计】
课程内容全面提升技术能力,系统学习大厂技术方法论,可复用在日后工作中。
「你可以收获什么?」
微积分基础和编程应用
线性代数,矩阵运算,特征向量基础和编程
实现数学,统计学和算法编程语言和符号编程