人工智慧-數學基礎視訊課程-唐宇迪-專題視訊課程

人工智慧-數學基礎視訊課程—562人已學習
課程介紹    

    資料科學與人工智慧數學基礎課程旨在幫助同學們打下數學基礎，通俗講解其中每一個知識點。課程內容涉及高等數學，線性代數，概率論與統計學，同學們在學習過程中應當以理解為出發點並不需要死記每一個公式，掌握核心知識點。課程章節內容較多，初級同學按順序學習即可，有基礎的同學們可以按照自己的需求來有選擇的學習！
課程收益
    掌握人工智慧必備數學知識點。
講師介紹
    唐宇迪更多講師課程
    計算機博士，專注於機器學習與計算機視覺領域，深度學習領域一線實戰講師。在影像識別領域有著豐富經驗，實現過包括人臉識別，物體識別，關鍵點檢測等多種應用的新演算法。 參與多個國家級計算機視覺專案，多年資料領域培訓經驗，豐富的教學講解經驗，出品多套機器學習與深度學習系列課程，課程生動形象，風格通俗易懂。
課程大綱
  第1章:高等數學基礎
    1.課程簡介  4:00
    2.函式  5:27
    3.極限（PPT下載----->）  6:43
    4.無窮大與無窮小  6:33
    5.連續性與導數  8:58
    6.偏導數  7:01
    7.方向導數  8:24
    8.梯度  11:26
  第2章:微積分
    1.微積分基本想法  6:06
    2.微積分的解釋  8:01
    3.定積分  8:32
    4.定積分的性質  5:28
    5.牛頓萊布尼茨公式  11:36
  第3章:泰勒公式與拉格朗日
    1.泰勒公式出發點  6:13
    2.一點一世界  9:58
    3.階數的作用  8:07
    4.階乘的作用  5:54
    5.拉格朗日乘子法  9:53
    6.求解拉格朗日乘子法  10:05
  第4章:線性代數基礎
    1.行列式概述  5:43
    2.矩陣與資料的關係  9:25
    3.矩陣基本操作  12:11
    4.矩陣的幾種變換  5:30
    5.矩陣的秩  12:40
    6.內積與正交  11:27
  第5章:特徵值與矩陣分解
    1.特徵值與特徵向量  7:25
    2.特徵空間與應用  4:31
    3.SVD要解決的問題  7:17
    4.特徵值分解  5:45
    5.SVD矩陣分解  11:52
  第6章:隨機變數與概率估計
    1.離散型隨機變數  7:49
    2.連續型隨機變數  9:32
    3.簡單隨機抽樣  2:30
    4.似然函式  2:30
    5.極大似然估計  7:34
  第7章:概率論基礎
    1.概率與頻率  6:50
    2.古典概型  6:23
    3.條件概率  8:33
    4.條件概率小例子  5:35
    5.獨立性  7:15
    6.二維離散型隨機變數  8:03
    7.二維連續型隨機變數  5:29
    8.邊緣分佈  9:36
    9.期望  4:20
    10.期望求解  8:38
    11.馬爾科夫不等式  8:35
    12.切比雪夫不等式  11:14
    13.後驗概率估計  10:04
    14.貝葉斯拼寫糾錯例項  11:46
    15.垃圾郵件過濾例項  14:09
  第8章:資料科學必備分佈
    1.正態分佈  19:23
    2.二項式分佈  11:02
    3.泊松分佈  15:55
    4.均勻分佈  3:22
    5.卡方分佈  5:35
    6.beta分佈  14:54
  第9章:核函式變換
    1.核函式的目的  6:37
    2.線性核函式  5:43
    3.多項式核函式  4:34
    4.核函式例項  6:53
    5.高斯和函式  8:51
    6.引數的影響  8:36
  第10章:熵與啟用函式
    1.熵的概念  4:50
    2.熵的大小意味著什麼  12:09
    3.啟用函式  6:30
    4.啟用函式的問題  9:59
  第11章:迴歸分析
    1.迴歸分析概述  7:11
    2.迴歸方程定義  4:42
    3.誤差項定義  7:48
    4.最小二乘法推導與求解  12:41
    5.迴歸方程求解小例子  6:32
    6.迴歸直線擬合優度  11:08
    7.多元與曲線迴歸分析  8:26
    8.python工具包介紹  5:01
    9.statsmodels迴歸分析  9:38
    10.高階與分類變數例項  12:06
    11.汽車價格預測任務概述  9:19
    12.缺失值填充  13:36
    13.特徵相關性  13:47
    14.預處理問題  7:05
    15.迴歸求解  13:23
  第12章:假設檢驗
    1.假設檢驗基本思想  12:28
    2.左右檢驗與雙側檢驗  14:20
    3.Z檢驗基本原理  7:03
    4.Z檢驗例項  14:06
    5.T檢驗基本原理  13:02
    6.T檢驗例項  6:17
    7.T檢驗應用條件  7:43
    8.卡方檢驗  11:28
    9.假設檢驗中的兩類錯誤  10:01
    10.python假設檢驗例項  12:34
    11.python卡方檢驗例項  7:59
  第13章:相關分析
    1.相關分析概述  9:03
    2.皮爾森相關係數  8:16
    3.計算與檢驗  13:05
    4.斯皮爾曼等級相關  14:06
    5.肯德爾係數  6:48
    6.質量相關分析  13:33
    7.偏相關與複相關  7:34
  第14章:方差分析
    1.方差分析概述  6:48
    2.方差的比較  11:50
    3.方差分析計算方法  14:00
    4.方差分析中的多重比較  8:15
    5.多因素方差分析  9:25
    6.python方差分析例項  8:34
  第15章:聚類分析
    1.層次聚類概述  4:41
    2.層次聚類流程  12:10
    3.層次聚類例項  11:33
    4.KMEANS演算法概述  11:33
    5.KMEANS工作流程  9:42
    6.KMEANS迭代視覺化展示  8:19
    7.DBSCAN演算法  11:03
    8.DBSCAN工作流程  15:03
    9.DBSCAN視覺化展示  8:52
    10.多種聚類演算法概述  4:34
    11.聚類案例實戰  17:19
  第16章:貝葉斯分析
    1.貝葉斯分析概述  7:22
    2.概率的解釋  6:06
    3.貝葉斯學派與統計學派的爭論  5:49
    4.貝葉斯演算法概述  6:58
    5.貝葉斯推導例項  7:37
    6.貝葉斯解釋  10:50
    7.經典求解思路  8:16
    8.MCMC概述  11:03
    9.PYMC3概述  5:40
    10.模型診斷  9:53
    11.模型決策  10:48
大家可以點選【檢視詳情】檢視我的課程