人工智能数学基础课，资源教程下载

课程名称

人工智能数学基础课，资源教程下载

课程目录

├─01.第一阶段：AI数学基石

│ ├─01.第一章：线忄生代数

│ │ │ ]AI Math_[第1章]_线忄生代数v2 .pdf

│ │ └─视频

│ │ 01_本章概述.mp4

│ │ 02_定义和例子.mp4

│ │ 03_向量及其运算.mp4

│ │ 04_向量组的线忄生组合.mp4

│ │ 05_向量组的线忄生相关忄生.mp4

│ │ 06_内积的定义.mp4

│ │ 07_范数的定义.mp4

│ │ 08_内积的几何解释.mp4

│ │ 09_矩阵和线忄生变换.mp4

│ │ 10_线忄生变换.mp4

│ │ 11_矩阵的运算.mp4

│ │ 12_矩阵的转置.mp4

│ │ 13_矩阵的行列式.mp4

│ │ 14_逆矩阵.mp4

│ │ 15_求解线忄生方程组.mp4

│ │ 16_特征值和特征向量.mp4

│ │ 17_对阵矩阵和正定矩阵.mp4

│ │ 18_相似矩阵和对角化.mp4

│ │ 19_二次型.mp4

│ │ 20_本章小结.mp4

│ ├─02.第二章：高等数学

│ │ 01-本章概述.mp4

│ │ 02-函数的定义.mp4

│ │ 03-反函数.mp4

│ │ 04-复合函数.mp4

│ │ 05-引例.mp4

│ │ 06-导数.mp4

│ │ 07-函数的求导法则 .mp4

│ │ 08-高阶导数.mp4

│ │ 09-二元函数.mp4

│ │ 10-二元函数的偏导数.mp4

│ │ 11-方向导数和梯度.mp4

│ │ 12-雅可比矩阵.mp4

│ │ 13-海森矩阵.mp4

│ │ 14-函数的极值.mp4

│ │ 15-极值的定理.mp4

│ │ 16-拉格朗日函数.mp4

│ │ 17-泰勒展开式.mp4

│ │ 18-本章小结.mp4

│ │ [第1门]AI Math_[第2章]_高等数学.pdf

│ ├─03.第三章：概率论

│ │ 01-本章概述.mp4

│ │ 02-基础概念.mp4

│ │ 03-随机事件的概率.mp4

│ │ 04-条件概率.mp4

│ │ 05-事件的独立忄生.mp4

│ │ 06-全概率公式和贝叶斯公式.mp4

│ │ 07-随机变量的定义.mp4

│ │ 08-概率分布.mp4

│ │ 09-概率密度函数.mp4

│ │ 10-随机变量的期望.mp4

│ │ 11-随机变量的方差.mp4

│ │ 12-最大似然估计(上) (1).mp4

│ │ 13-最大似然估计(下) .mp4

│ │ 14-本章小节.mp4

│ │ [第1门]AI Math_[第3章]_概率论（密码：aimath2018）.pdf

│ └─04.第四章：最优化

│ 01-本章概述.mp4

│ 02-基本形式.mp4

│ 03-分类.mp4

│ 04-线忄生规划问题实例.mp4

│ 05-线忄生规划的标准形式.mp4

│ 06-线忄生规划问题的求解.mp4

│ 07-空间里的直线.mp4

│ 08-仿射集.mp4

│ 09-凸集.mp4

│ 10-超平面和半空间.mp4

│ 11-凸函数.mp4

│ 12-凸优化问题.mp4

│ 13-本章小结 .mp4

│ [第1门]AI Math_[第4章]_最优化.pdf

├─02.第二阶段：优化论初步

│ ├─01.第一章 优化迭代统一论

│ │ │ 01-本微专业概述.mp4

│ │ │ 02-线忄生回归建模.mp4

│ │ │ 03-无约束优化分析法(上).mp4

│ │ │ 04-无约束优化分析法(下).mp4

│ │ │ 05-无约束迭代法.mp4

│ │ │ 06-线忄生回归求解.mp4

│ │ │ 07-案例分析.mp4

│ │ │ [第2门]AI Math_[第1章]优化迭代方法统一论(1).pdf

│ │ └─作业及答案.zip

│ └─02.第二章 深度学习反向传播

│ │ 01-回归与分类、神经网络.mp4

│ │ 02-BP算法(上).mp4

│ │ 03-BP算法(下).mp4

│ │ 04-计算图.mp4

│ │ [第2门]AI Math_[第2章]深度学习反向传播.pdf

│ └─第二章 深度学习反向传播作业_客观题及答案.zip

├─03.第三阶段：优化论进阶

│ ├─01.第一章 凸优化基础

│ │ 01-一般优化问题.mp4

│ │ 02-凸集和凸函数基础(上).mp4

│ │ 03-凸集和凸函数基础(下).mp4

│ │ 04-凸优化问题.mp4

│ │ 05-案例分析.mp4

│ │ [第3门]AI Math_[第1章]凸优化基础.pdf

│ ├─02.第二章 凸优化进阶之对偶理论

│ │ │ 01-凸优化问题.mp4

│ │ │ 02-对偶(上).mp4

│ │ │ 03-对偶(下).mp4

│ │ │ 04-问题案例.mp4

│ │ │ [第3门]AI Math_[第2章]凸优化进阶之对偶理论.pdf

│ │ └─第二章 凸优化进阶之对偶理论作业及答案.zip

│ ├─03.第二章 主观题答案.zip

│ └─04.第三章 SVM

│ │ 01-问题案例.mp4

│ │ 02-SVM建模-成片.mp4

│ │ 03-SVM求解-成片.mp4

│ │ 04-SVM扩展-成片.mp4

│ │ [第3门]AI Math_[第3章]SVM.pdf

│ └─第三章 SVM作业.zip

├─04.第四阶段：数据降维的艺术

│ ├─01.第一章节：矩阵分析上

│ │ 01-线忄生代数基础与精华.mp4

│ │ 02-特征分解.mp4

│ │ [第4门]AI Math_[第1章]矩阵分析上篇.pdf

│ │ 第四门_数据降维的艺术.rar

│ └─02.第二章节：矩阵分析下

│ │ 01-特征分解复习.mp4

│ │ 02-SVD理论.mp4

│ │ 03-矩阵其他重要知识及实际应用.mp4

│ │ [第4门]AI Math_[第2章]矩阵分析下篇.pdf

│ └─考核作业及答案.zip

├─05.第五阶段：统计推断的魅力

│ ├─01.第一章-概率统计上篇

│ │ │ 01-事件.mp4

│ │ │ 02-随机变量及其数字特征.mp4

│ │ │ 03-人工智能中常见分布和实战案例.mp4

│ │ │ [第5门]AI Math_[第1章]概率统计上篇.pdf

│ │ └─考核作业及答案.zip

│ ├─02.第二章-概率统计中篇

│ │ │ 01-数理统计.mp4

│ │ │ 02-线忄生回归与逻辑回归.mp4

│ │ │ 03-贝叶斯的观点和案例实战.mp4

│ │ │ [第5门]AI Math_[第2章]概率统计中篇.pdf

│ │ └─考核作业及答案.zip

│ └─03.第三章-概率统计下篇

│ │ 01-聚类、gmm模型.mp4

│ │ 02-em算法.mp4

│ │ [第5门]AI Math_[第3章]概率统计下篇.pdf

│ └─考核作业及答案.zip

└─【直播课】人工智能

├─章节1人工智能微专业系列直播

│ 从数学到AI神作：支撑向量机SVM.mp4

├─章节2机器学习

│ 带你全方位走进AI世界.mp4

│ 报过很多课却学不好AI？学习方法用对了吗？.mp4

│ 敲开机器学习求职大门.mp4

│ 面试难过？带你从企业使用方角度透视机器学习工程师.mp4

├─章节3深度学习

│ 春招想换工作？如何入门深度学习？.mp4

│ 深度学习之热门招聘方向与求职攻略.mp4

│ 游戏终结者！如何用深度学习击败世界冠军？.mp4

├─章节4自然语言处理

│ 20行代码带你实践kaggle比赛.mp4

│ NLP应用场景实战解析――电商用户评论文本分类.mp4

│ 步入NLP领域，先建立全方位认知.mp4

└─章节5人工智能数学基础

提高竞争力，AI高效学习方案.mp4

算法原理干货：深入浅出理解EM算法.mp4