🧮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）

🧮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）
├── 📁第1章-微分上
│ ├── 🎥1-1 课程介绍.mp4
│ ├── 🎥1-10 本集总结.mp4
│ ├── 🎥1-2 O（n）.mp4
│ ├── 🎥1-3 极限.mp4
│ ├── 🎥1-4 导数.mp4
│ ├── 🎥1-5 求导方法.mp4
│ ├── 🎥1-6 费马定理.mp4
│ ├── 🎥1-7 函数逼近.mp4
│ ├── 🎥1-8 泰勒展开.mp4
│ └── 🎥1-9 凸函数.mp4
├── 📁第2章-微分下
│ ├── 🎥2-1 本集介绍.mp4
│ ├── 🎥2-10 本集总结.mp4
│ ├── 🎥2-2 多元函数.mp4
│ ├── 🎥2-3 偏导数.mp4
│ ├── 🎥2-4 方向导数.mp4
│ ├── 🎥2-5 可微.mp4
│ ├── 🎥2-6 梯度.mp4
│ ├── 🎥2-7 链式法则.mp4
│ ├── 🎥2-8 Hessian矩阵.mp4
│ └── 🎥2-9 拉格朗日乘数法.mp4
├── 📁第3章-线性代数
│ ├── 🎥3-1 本集介绍.mp4
│ ├── 🎥3-10 本集总结.mp4
│ ├── 🎥3-2 向量矩阵张量.mp4
│ ├── 🎥3-3 向量与矩阵运算.mp4
│ ├── 🎥3-4 张量的运算.mp4
│ ├── 🎥3-5 矩阵的逆与伪逆.mp4
│ ├── 🎥3-6 行列式.mp4
│ ├── 🎥3-7 线性方程组.mp4
│ ├── 🎥3-8 二次型与正定性.mp4
│ └── 🎥3-9 矩阵分解.mp4
├── 📁第4章-概率统计
│ ├── 🎥4-1 本集介绍.mp4
│ ├── 🎥4-10 zuida后验估计.mp4
│ ├── 🎥4-11 蒙特卡洛方法.mp4
│ ├── 🎥4-12 Bootstrap方法.mp4
│ ├── 🎥4-13 EM算法.mp4
│ ├── 🎥4-14 本集总结.mp4
│ ├── 🎥4-2 随机变量与概率分布.mp4
│ ├── 🎥4-3 贝叶斯定理.mp4
│ ├── 🎥4-4 期望、方差与条件数学期望.mp4
│ ├── 🎥4-5 大数定律.mp4
│ ├── 🎥4-6 特征函数与中心极限定理.mp4
│ ├── 🎥4-7 统计学基本概念.mp4
│ ├── 🎥4-8 统计学基本概念.mp4
│ └── 🎥4-9 极大似然估计.mp4
└── 📁第5章-zui优化方法
├── 🎥5-1 5.1 本集简介.mp4
├── 🎥5-2 优化问题简介.mp4
├── 🎥5-3 最速下降法.mp4
├── 🎥5-4 共轭梯度法.mp4
├── 🎥5-5 牛顿法.mp4
├── 🎥5-6 拟牛顿法.mp4
├── 🎥5-7 约束非线性优化.mp4
├── 🎥5-8 KKT条件.mp4
└── 🎥5-9 本集总结.mp4