本文主要是介绍人工智能-数学基础视频课程-唐宇迪-专题视频课程，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
人工智能-数学基础视频课程—562人已学习课程介绍
数据科学与人工智能数学基础课程旨在帮助同学们打下数学基础，通俗讲解其中每一个知识点。课程内容涉及高等数学，线性代数，概率论与统计学，同学们在学习过程中应当以理解为出发点并不需要死记每一个公式，掌握核心知识点。课程章节内容较多，初级同学按顺序学习即可，有基础的同学们可以按照自己的需求来有选择的学习！
课程收益
掌握人工智能必备数学知识点。
讲师介绍
唐宇迪 更多讲师课程
计算机博士，专注于机器学习与计算机视觉领域，深度学习领域一线实战讲师。在图像识别领域有着丰富经验，实现过包括人脸识别，物体识别，关键点检测等多种应用的新算法。 参与多个国家级计算机视觉项目，多年数据领域培训经验，丰富的教学讲解经验，出品多套机器学习与深度学习系列课程，课程生动形象，风格通俗易懂。
课程大纲
第1章:高等数学基础
1. 课程简介 4:00
2. 函数 5:27
3. 极限（PPT下载----->） 6:43
4. 无穷大与无穷小 6:33
5. 连续性与导数 8:58
6. 偏导数 7:01
7. 方向导数 8:24
8. 梯度 11:26
第2章:微积分
1. 微积分基本想法 6:06
2. 微积分的解释 8:01
3. 定积分 8:32
4. 定积分的性质 5:28
5. 牛顿莱布尼茨公式 11:36
第3章:泰勒公式与拉格朗日
1. 泰勒公式出发点 6:13
2. 一点一世界 9:58
3. 阶数的作用 8:07
4. 阶乘的作用 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:线性代数基础
1. 行列式概述 5:43
2. 矩阵与数据的关系 9:25
3. 矩阵基本操作 12:11
4. 矩阵的几种变换 5:30
5. 矩阵的秩 12:40
6. 内积与正交 11:27
第5章:特征值与矩阵分解
1. 特征值与特征向量 7:25
2. 特征空间与应用 4:31
3. SVD要解决的问题 7:17
4. 特征值分解 5:45
5. SVD矩阵分解 11:52
第6章:随机变量与概率估计
1. 离散型随机变量 7:49
2. 连续型随机变量 9:32
3. 简单随机抽样 2:30
4. 似然函数 2:30
5. 极大似然估计 7:34
第7章:概率论基础
1. 概率与频率 6:50
2. 古典概型 6:23
3. 条件概率 8:33
4. 条件概率小例子 5:35
5. 独立性 7:15
6. 二维离散型随机变量 8:03
7. 二维连续型随机变量 5:29
8. 边缘分布 9:36
9. 期望 4:20
10. 期望求解 8:38
11. 马尔科夫不等式 8:35
12. 切比雪夫不等式 11:14
13. 后验概率估计 10:04
14. 贝叶斯拼写纠错实例 11:46
15. 垃圾邮件过滤实例 14:09
第8章:数据科学必备分布
1. 正态分布 19:23
2. 二项式分布 11:02
3. 泊松分布 15:55
4. 均匀分布 3:22
5. 卡方分布 5:35
6. beta分布 14:54
第9章:核函数变换
1. 核函数的目的 6:37
2. 线性核函数 5:43
3. 多项式核函数 4:34
4. 核函数实例 6:53
5. 高斯和函数 8:51
6. 参数的影响 8:36
第10章:熵与激活函数
1. 熵的概念 4:50
2. 熵的大小意味着什么 12:09
3. 激活函数 6:30
4. 激活函数的问题 9:59
第11章:回归分析
1. 回归分析概述 7:11
2. 回归方程定义 4:42
3. 误差项定义 7:48
4. 最小二乘法推导与求解 12:41
5. 回归方程求解小例子 6:32
6. 回归直线拟合优度 11:08
7. 多元与曲线回归分析 8:26
8. python工具包介绍 5:01
9. statsmodels回归分析 9:38
10. 高阶与分类变量实例 12:06
11. 汽车价格预测任务概述 9:19
12. 缺失值填充 13:36
13. 特征相关性 13:47
14. 预处理问题 7:05
15. 回归求解 13:23
第12章:假设检验
1. 假设检验基本思想 12:28
2. 左右检验与双侧检验 14:20
3. Z检验基本原理 7:03
4. Z检验实例 14:06
5. T检验基本原理 13:02
6. T检验实例 6:17
7. T检验应用条件 7:43
8. 卡方检验 11:28
9. 假设检验中的两类错误 10:01
10. python假设检验实例 12:34
11. python卡方检验实例 7:59
第13章:相关分析
1. 相关分析概述 9:03
2. 皮尔森相关系数 8:16
3. 计算与检验 13:05
4. 斯皮尔曼等级相关 14:06
5. 肯德尔系数 6:48
6. 质量相关分析 13:33
7. 偏相关与复相关 7:34
第14章:方差分析
1. 方差分析概述 6:48
2. 方差的比较 11:50
3. 方差分析计算方法 14:00
4. 方差分析中的多重比较 8:15
5. 多因素方差分析 9:25
6. python方差分析实例 8:34
第15章:聚类分析
1. 层次聚类概述 4:41
2. 层次聚类流程 12:10
3. 层次聚类实例 11:33
4. KMEANS算法概述 11:33
5. KMEANS工作流程 9:42
6. KMEANS迭代可视化展示 8:19
7. DBSCAN算法 11:03
8. DBSCAN工作流程 15:03
9. DBSCAN可视化展示 8:52
10. 多种聚类算法概述 4:34
11. 聚类案例实战 17:19
第16章:贝叶斯分析
1. 贝叶斯分析概述 7:22
2. 概率的解释 6:06
3. 贝叶斯学派与统计学派的争论 5:49
4. 贝叶斯算法概述 6:58
5. 贝叶斯推导实例 7:37
6. 贝叶斯解释 10:50
7. 经典求解思路 8:16
8. MCMC概述 11:03
9. PYMC3概述 5:40
10. 模型诊断 9:53
11. 模型决策 10:48
大家可以点击【 查看详情】查看我的课程
这篇关于人工智能-数学基础视频课程-唐宇迪-专题视频课程的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
