机器学习的数学基础


系统学习数学知识,为学习人工智能技术打下坚实基础。本课程将带你全面系统的回顾机器学习所需的数学知识,包括高等数学,线性代数,概率论与数理统计。这将确保数学不会成为你学好机器学习和深度学习的障碍。

        

课程难度

基础

已经参加学习的人数

213

课程主讲师

王老师

学习次数

19502

课程大纲

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 课程总结

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 本集内容简介
  • 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 课程总结
导师团队

王老师

本科毕业于北大数学科学学院,曾入选IMO国家集训队,中国科学院数学院统计学硕士,普渡大学统计系博士生。在应用数学、机器学习方向有深厚的造诣,擅长理论与应用的结合,曾在知名AI公司从事核心算法的研发。


Lantern

硕士,毕业于清华大学计算机系,主要负责实验平台,实践项目的技术支持,在人工智能算法、工程化方面有深厚的造诣与丰富的实际经验。


Q & A

授课方式是?

为了保障课程质量,提高学习效率, 课程采用录播形式。视频精心录制与剪辑制作,时间比直播更灵活,方便随时观看学习。

学习《人工智能的数学基础》,有什么要求么?

课程主要通过复习的方式帮助大家回顾大学学过的相关知识,需要大学曾经修过3门基础课程: 线性代数、概率论以及高等数学,才能更好地理解课程内容,跟上课程进度。

课程周期是多久?

为了让大家在一定时间内集中精力学习,《人工智能的数学基础》课程有效期有6个月时间,对于单独学习这门课程来说,时间是充裕的。

遇到问题可以咨询么?

学习过程中遇到的任何问题都可以提出来,会有专业导师进行3个月的在线答疑,解决你学习中遇到的任何问题与困难。

如何开取发票?

购买成功后,扫描下方二维码,将具体开票信息发送给小编即可。

如何延长有效期?

课程到期后,电脑端登录官网可以续费,续费价格是官网原价的5%,有效期半年(不包括在线答疑)。注意:到期前两周内课程详情页面会出现【续费】按钮,点击按钮进行续费即可。


更多问题、课程咨询、资料获取,扫码找小编






 课程咨询