机器学习的数学基础（53集/高等数学/线性代数/概率论/数理统计）

【资源介绍】：

适合人群：

大学修过线性代数、概率论以及高等数学3门课程

你将会学到：

高等数学，线性代数，概率论与数理统计，手写计算公式步骤及过程

课程简介：

本课程由毕业于北大数学科学学院的王老师带你多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，手写计算公式步骤及过程，确保数学不会成为你学好机器学习和深度学习的障碍。

【资源目录】:

├──第1章-微分上

| ├──1-1 课程介绍__.mp4 81.16M

| ├──1-10 本集总结__.mp4 7.60M

| ├──1-2 O（n）__.mp4 11.67M

| ├──1-3 极限__.mp4 5.25M

| ├──1-4 导数__.mp4 14.41M

| ├──1-5 求导方法__.mp4 18.28M

| ├──1-6 费马定理__.mp4 6.21M

| ├──1-7 函数逼近__.mp4 13.90M

| ├──1-8 泰勒展开__.mp4 22.85M

| └──1-9 凸函数__.mp4 28.16M

├──第2章-微分下

| ├──2-1 本集介绍__.mp4 139.53M

| ├──2-10 本集总结__.mp4 72.72M

| ├──2-2 多元函数__.mp4 51.65M

| ├──2-3 偏导数__.mp4 33.95M

| ├──2-4 方向导数__.mp4 25.91M

| ├──2-5 可微__.mp4 27.16M

| ├──2-6 梯度__.mp4 77.19M

| ├──2-7 链式法则__.mp4 101.57M

| ├──2-8 Hessian矩阵__.mp4 115.23M

| └──2-9 拉格朗日乘数法__.mp4 196.49M

├──第3章-线性代数

| ├──3-1 本集介绍.mp4 3.76M

| ├──3-10 本集总结.mp4 3.05M

| ├──3-2 向量矩阵张量.mp4 9.33M

| ├──3-3 向量与矩阵运算.mp4 28.22M

| ├──3-4 张量的运算.mp4 13.78M

| ├──3-5 矩阵的逆与伪逆.mp4 104.47M

| ├──3-6 行列式.mp4 76.14M

| ├──3-7 线性方程组.mp4 133.40M

| ├──3-8 二次型与正定性.mp4 38.82M

| └──3-9 矩阵分解.mp4 48.33M

├──第4章-概率统计

| ├──4-1 本集介绍.mp4 5.89M

| ├──4-10 zuida后验估计.mp4 159.78M

| ├──4-11 蒙特卡洛方法.mp4 23.16M

| ├──4-12 Bootstrap方法.mp4 56.01M

| ├──4-13 EM算法.mp4 38.58M

| ├──4-14 本集总结.mp4 4.78M

| ├──4-2 随机变量与概率分布.mp4 68.36M

| ├──4-3 贝叶斯定理.mp4 28.85M

| ├──4-4 期望、方差与条件数学期望.mp4 38.92M

| ├──4-5 大数定律.mp4 73.05M

| ├──4-6 特征函数与中心极限定理.mp4 184.35M

| ├──4-7 统计学基本概念.mp4 302.02M

| ├──4-8 统计学基本概念.mp4 303.32M

| └──4-9 极大似然估计.mp4 35.80M

└──第5章-zui优化方法

| ├──5-1 5.1 本集简介__.mp4 6.75M

| ├──5-2 优化问题简介__.mp4 6.99M

| ├──5-3 最速下降法__.mp4 32.06M

| ├──5-4 共轭梯度法__.mp4 21.96M

| ├──5-5 牛顿法__.mp4 24.87M

| ├──5-6 拟牛顿法__.mp4 7.19M

| ├──5-7 约束非线性优化__.mp4 18.90M

| ├──5-8 KKT条件__.mp4 28.58M

| └──5-9 本集总结__.mp4 17.71M