人工智慧數學基礎 網易雲課堂 影音教學 中文發音 中文字幕版(2DVD)
本微專業由稀牛學院與網易聯合出品,海內外一線工程師打造,以實戰案例為主線、配備特有的線上實驗平臺,最大程度模擬工業界生產環境,通過案例動手操作積累項目經歷,培養業界急需的專業技能。
├─00課件匯總
│ ├─【非常重要】預習_本科數學劃重點
│ │ 《人工智能數學基礎》學前必備大學數學知識圖譜 .pdf
│ │ 概率論重點_by Jason.pdf
│ │ 線性代數重點_by Jason.pdf
│ │ 高數上重點_by Jason.pdf
│ │ 高數下重點_by Jason.pdf
│ │
│ ├─課件_code
│ │ 第三門_優化論進階.zip
│ │ 第二門_優化論初步.zip
│ │ 第五門 _統計推斷的魅力.zip
│ │ 第四門_數據降維的藝術.rar
│ │
│ ├─課件_PDF(密碼:aimath2018)
│ │ [第1門]AI Math_[第1章]_線性代數v2 .pdf
│ │ [第1門]AI Math_[第2章]_高等數學 .pdf
│ │ [第1門]AI Math_[第3章]_概率論 .pdf
│ │ [第1門]AI Math_[第4章]_最優化 .pdf
│ │ [第2門]AI Math_[第1章]優化迭代方法統一論 .pdf
│ │ [第2門]AI Math_[第2章]深度學習反向傳播 .pdf
│ │ [第3門]AI Math_[第1章]凸優化基礎.pdf
│ │ [第3門]AI Math_[第2章]凸優化進階之對偶理論.pdf
│ │ [第3門]AI Math_[第3章]SVM.pdf
│ │ [第4門]AI Math_[第1章]矩陣分析上篇.pdf
│ │ [第4門]AI Math_[第2章]矩陣分析下篇.pdf
│ │ [第5門]AI Math_[第1章]概率統計上篇.pdf
│ │ [第5門]AI Math_[第2章]概率統計中篇.pdf
│ │ [第5門]AI Math_[第3章]概率統計下篇.pdf
│ │
│ ├─資料分享
│ │ 數學之美 .pdf
│ │ 機器學習(Ng教授)作業及講義.zip
│ │ 機器學習_周志華 .pdf
│ │ 機器學習實戰(中文版+英文版+源代碼).zip
│ │ 機器學習簡單分析.rar
│ │ 線性代數 .pdf
│ │
│ ├─軟件_Matlab
│ │ MATLAB_MAC.txt
│ │ MATLAB_REFRENCES.txt
│ │ MATLAB_WIN.txt
│ │
│ └─預習_Python
│ Python for Data Analysis, 2nd Edition .pdf
│ think python 2nd .pdf
│ 【進階】python_tutorial .pdf
│ 利用Python進行數據分析 .pdf
│ 簡明Python教程 .pdf
│
├─01AI數學基石
│ │ 0.1AI數學基石本門課程概覽.mp4
│ │ 0.2開班班會.mp4
│ │
│ ├─第1章 線性代數
│ │ 1.1 本章概述.mp4
│ │ 1.2 向量空間 .png
│ │ 1.2.1 定義和例子.mp4
│ │ 1.2.2 向量及其運算.mp4
│ │ 1.2.3 向量組的線性組合.mp4
│ │ 1.2.4 向量組的線性相關性.mp4
│ │ 1.3 內積和范數.png
│ │ 1.3.1 內積的定義.mp4
│ │ 1.3.2 范數的定義.mp4
│ │ 1.3.3 內積的幾何解釋.mp4
│ │ 1.4 矩陣和線性變換 .png
│ │ 1.4.1 矩陣和線性變換.mp4
│ │ 1.4.2 線性變換.mp4
│ │ 1.4.3 矩陣的運算.mp4
│ │ 1.4.4 矩陣的轉置.mp4
│ │ 1.4.5 矩陣的行列式.mp4
│ │ 1.4.6 逆矩陣.mp4
│ │ 1.4.7 求解線性方程組.mp4
│ │ 1.5 特征值和特征向量.png
│ │ 1.5.1 特征值和特征向量.mp4
│ │ 1.5.2 對稱矩陣和正定矩陣.mp4
│ │ 1.5.3 相似矩陣和對角化.mp4
│ │ 1.6 二次型.mp4
│ │ 1.7 本章小結.mp4
│ │
│ ├─第2章 高等數學
│ │ 2.1 本章概述.mp4
│ │ 2.2 函數.png
│ │ 2.2.1 函數的定義.mp4
│ │ 2.2.2 反函數.mp4
│ │ 2.2.3 復合函數.mp4
│ │ 2.3 導數.png
│ │ 2.3.1 引例.mp4
│ │ 2.3.2 導數.mp4
│ │ 2.3.3 函數的求導法則.mp4
│ │ 2.3.4 高階導數.mp4
│ │ 2.4 偏導數.png
│ │ 2.4.1 二元函數.mp4
│ │ 2.4.2 二元函數的偏導數.mp4
│ │ 2.4.3 方向導數和梯度.mp4
│ │ 2.4.4 雅可比矩陣.mp4
│ │ 2.4.5 海森矩陣.mp4
│ │ 2.5 函數的極值.png
│ │ 2.5.1 函數的極值.mp4
│ │ 2.5.2 極值的定理.mp4
│ │ 2.5.3 拉格朗日函數.mp4
│ │ 2.6 泰勒展開式.mp4
│ │ 2.7 本章小結.mp4
│ │
│ ├─第3章 概率論
│ │ 3.1 本章概述.mp4
│ │ 3.2 隨機事件和概率.png
│ │ 3.2.1 基礎概念.mp4
│ │ 3.2.2 隨機事件的概率.mp4
│ │ 3.2.3 條件概率.mp4
│ │ 3.2.4 事件的獨立性.mp4
│ │ 3.3 全概率公式和貝葉斯公式.mp4
│ │ 3.4 隨機變量,期望和方差.png
│ │ 3.4.1 隨機變量的定義.mp4
│ │ 3.4.2 概率分布.mp4
│ │ 3.4.3 概率密度函數.mp4
│ │ 3.4.4 隨機變量的期望.mp4
│ │ 3.4.5 隨機變量的方差.mp4
│ │ 3.5 最大似然估計 .png
│ │ 3.5.1 最大似然估計(上).mp4
│ │ 3.5.2 最大似然估計(下).mp4
│ │ 3.6 本章小結.mp4
│ │
│ └─第4章 最優化
│ 4.1 本章概述.mp4
│ 4.2 最優化問題.png
│ 4.2.1 基本形式.mp4
│ 4.2.2 分類.mp4
│ 4.3 線性規劃.png
│ 4.3.1 線性規劃問題實例.mp4
│ 4.3.2 線性規劃的標準形式.mp4
│ 4.3.3 線性規劃問題的求解.mp4
│ 4.4 凸集和凸函數.png
│ 4.4.1 空間里的直線.mp4
│ 4.4.2 仿射集.mp4
│ 4.4.3 凸集.mp4
│ 4.4.4 超平面和半空間.mp4
│ 4.4.5 凸函數.mp4
│ 4.5 凸優化問題.mp4
│ 4.6 本章小結.mp4
│
├─02優化論初步
│ ├─第1章 優化迭代統一論
│ │ 1.0-本微專業概述.mp4
│ │ 1.1-線性回歸建模.mp4
│ │ 1.2-無約束優化梯度分析法(上).mp4
│ │ 1.3-無約束優化梯度分析法(下).mp4
│ │ 1.4-無約束迭代法.mp4
│ │ 1.5-線性回歸求解.mp4
│ │ 1.6-案例分析.mp4
│ │
│ └─第2章 深度學習反向傳播
│ 2.1-回歸與分類、神經網絡.mp4
│ 2.2-BP算法(上).mp4
│ 2.3-BP算法(下).mp4
│ 2.4- 計算圖.mp4
│
├─03優化論進階
│ ├─1凸優化基礎
│ │ 1.1-一般優化問題.mp4
│ │ 1.2-凸集和凸函數基礎(上).mp4
│ │ 1.3-凸集和凸函數基礎(下)視.mp4
│ │ 1.4-凸優化問題.mp4
│ │ 1.5-案例分析.mp4
│ │
│ ├─2凸優化進階之對偶理論
│ │ 2.1-凸優化問題.mp4
│ │ 2.2-對偶(上).mp4
│ │ 2.3-對偶(下).mp4
│ │ 2.4-問題案例.mp4
│ │
│ └─3SVM
│ 3.1-問題案例.mp4
│ 3.2-SVM 建模-成片.mp4
│ 3.3-SVM 求解-成片.mp4
│ 3.4-SVM 擴展,附案例-成片.mp4
│
├─04.數據降維的藝術
│ ├─01.第一章 矩陣分析上篇
│ │ 01.線性代數基礎與精華.mp4
│ │ 02.特征分解.mp4
│ │ 03.PCA.mp4
│ │
│ └─02.第二章 矩陣分析下篇
│ 01.特征分解復習.mp4
│ 02.SVD理論.mp4
│ 03.矩陣其他重要知識以及實際應用.mp4
│
├─05.統計推斷的魅力
│ ├─第1章 概率統計上篇
│ │ 01.事件.mp4
│ │ 02.隨機變量及數字特征.mp4
│ │ 03.人工智能中常見的分布和實踐案例.mp4
│ │
│ ├─第2章 概率論統計中篇
│ │ 01.數理統計.mp4
│ │ 02.線性回歸與邏輯回歸.mp4
│ │ 03.貝葉斯的觀點和案例實戰.mp4
│ │
│ └─第3章 概率論統計下篇
│ 01.聚類、GMM模型.mp4
│ 02.EM算法.mp4
│
└─【直播課】人工智能
├─章節1人工智能微專業系列直播
│ 課時01從數學到AI神作:支撐向量機SVM.mp4
│
├─章節2機器學習
│ 課時02帶你全方位走進AI世界.mp4
│ 課時03敲開機器學習求職大門.mp4
│ 課時04 面試難過?帶你從企業使用方角度透視機器學習工程師.mp4
│ 課時05報過很多課卻學不好AI?學習方法用對了嗎?.mp4
│
├─章節3深度學習
│ 課時06深度學習之熱門招聘方向與求職攻略.mp4
│ 課時07春招想換工作?如何入門深度學習?.mp4
│ 課時08游戲終結者!如何用深度學習擊敗世界冠軍?.mp4
│
├─章節4自然語言處理
│ 課時09步入NLP領域,先建立全方位認知.mp4
│ 課時10 20行代碼帶你實踐kaggle比賽.mp4
│ 課時11NLP應用場景實戰解析——電商用戶評論文本分類.mp4
│
└─章節5人工智能數學基礎
課時12算法原理干貨:深入淺出理解EM算法.mp4
課時13提高競爭力,AI高效學習方案.mp4
|
|