该课程是深度之眼推出的第四期人工智能数学基础训练营,旨在为AI学习打下坚实的数理根基。课程内容系统全面,分为五大核心模块:线性代数(向量、矩阵、秩、分解)、微积分(极限、连续、微分、积分、矩阵求导)、概率论与数理统计(基础概念、条件概率、各种分布、主成分分析)、概率论与信息论(估计理论、贝叶斯统计、信息度量、交叉熵、KL散度)以及优化方法(梯度下降、牛顿法、共轭梯度、Adam、拉格朗日乘数法)。通过系统讲解AI领域必备的数学工具与理论,帮助学习者深入理解机器学习、深度学习等高级算法的底层原理。
【深度之眼】 v4 人工智能 数学基础训练营582.2MB
Week5:优化方法95.01MB
5.6 拉格朗日乘数法.mp412.27MB
5.5 adman方法.mp411.92MB
5.4 共轭梯度法.mp418.33MB
5.3 牛顿下降法,拟牛顿法.mp417.95MB
5.2 梯度下降法(SGD,BGD).mp413.5MB
5.1 最速下降法.mp421.04MB
Week4 概率论与信息论78.46MB
4.4 信息论基础(信息度量,互信息,交叉熵,KL散度).mp418.44MB
4.3 贝叶斯统计基础.mp419.49MB
4.2 极大似然估计与最大后验估计.mp423.53MB
4.1 中心极限定理与矩估计.mp417MB
Week3 概率论与数理统计124.01MB
3.6 主成分分析法.mp417.61MB
3.5 联合分布.mp422.16MB
3.4 概率分布进阶.mp415.79MB
3.3 概率分布与统计量.mp418.75MB
3.2 条件概率.mp420.74MB
3.1 概率论基础.mp428.96MB
Week2:微积分104.66MB
2.5 矩阵的求导与Hessian矩阵.mp417.47MB
2.4 积分.mp422.98MB
2.3 连续函数和微分学.mp422.65MB
2.2 极限.mp424.12MB
2.1 集合与函数.mp417.44MB
Week1 线性代数91.55MB
1.4 矩阵变换和矩阵分解.mp422.94MB
1.3 矩阵的范数与迹.mp415.23MB
1.2 矩阵相关性与矩阵的秩.mp418.69MB
1.1 向量与矩阵.mp434.68MB
资料.zip68.22MB
绪论 .mp420.29MB