机器学习的数学基础（共53小节/高等数学/线性代数/概率论/数理统计）
讲师/助教：
简shang,
促销：
首单领券满50减10！满100减20！
总时长：
7小时18分33秒
价格：66.0
目录
- 第1集 微分上
- 1.1 课程介绍
- 1.2 O（n）
- 1.3 极限
- 1.4 导数
- 1.5 求导方法
- 1.6 费马定理
- 1.7 函数逼近
- 1.8 泰勒展开
- 1.9 凸函数
- 1.10 本集总结
- 第2集 微分下
- 2.1 本集介绍
- 2.2 多元函数
- 2.3 偏导数
- 2.4 方向导数
- 2.5 可微
- 2.6 梯度
- 2.7 链式法则
- 2.8 Hessian矩阵
- 2.9 拉格朗日乘数法
- 2.10 本集总结
- 第3集 线性代数
- 3.1 本集介绍
- 3.2 向量矩阵张量
- 3.3 向量与矩阵运算
- 3.4 张量的运算
- 3.5 矩阵的逆与伪逆
- 3.6 行列式
- 3.7 线性方程组
- 3.8 二次型与正定性
- 3.9 矩阵分解
- 3.10 本集总结
- 第4集 概率统计
- 4.1 本集介绍
- 4.2 随机变量与概率分布
- 4.3 贝叶斯定理
- 4.4 期望、方差与条件数学期望
- 4.5 大数定律
- 4.6 特征函数与中心极限定理
- 4.7 统计学基本概念
- 4.8 logistic回归
- 4.9 极大似然估计
- 4.10 最大后验估计
- 4.11蒙特卡洛方法
- 4.12 Bootstrap方法
- 4.13 EM算法
- 4.14 本集总结
- 第5集 最优化方法
- 5.1 本集简介
- 5.2 优化问题简介
- 5.3 最速下降法
- 5.4 共轭梯度法
- 5.5 牛顿法
- 5.6 拟牛顿法
- 5.7 约束非线性优化
- 5.8 KKT条件
- 5.9 本集总结
