Udemy線上課程 人工智慧-必備數學基礎 講師:唐宇迪 唐 影音教學 中文發音 中文字幕版(2DVD)
Udemy線上課程人工智慧-必備數學基礎講師:唐宇迪唐影音教學中文發音中文字幕版(2DVD)
內容說明:
資料科學與人工智慧必備數學基礎課程旨在幫助同學們快速打下數學基礎，通俗講解其中每一個知識點。
課程內容涉及高等數學，線性代數，概率論與統計學，同學們在學習過程中應當以理解為出發點並不需要死記每一個公式，快速掌握核心知識點。
課程章節內容較多，零基礎同學按順序學習即可，有基礎的同學們可以按照自己的需求來有選擇的學習！

資料科學必備你將會學到的
掌握資料科學領域必備數學知識點
掌握機器學習演算法中常用數學
通俗理解各項數學公式的作用
掌握數學知識點應用領域與方法
掌握高等數學
掌握線性代數
掌握概率論
掌握統計分析方法
熟練使用Python進行統計分析
熟練應用Python工具包建立數學模型
課程內容:
├─01高等數學基礎
│001課程簡介.mp4
│002函數.mp4
│003極限.mp4
│004無窮小與無窮大.mp4
│005連續性與導數.mp4
│006偏導數.mp4
│007方向導數.mp4
│008梯度.mp4
│
├─02微積分
│009微積分基本想法.mp4
│010微積分的解釋.mp4
│011定積分.mp4
│012定積分性質.mp4
│013牛頓-萊布尼茨公式.mp4
│
├─03泰勒公式與拉格朗日
│014泰勒公式出發點.mp4
│015一點一世界.mp4
│016階數的作用.mp4
│017階乘的作用.mp4
│018拉格朗日乘子法.mp4
│019求解拉格朗日乘子法.mp4
│
├─04線性代數基礎
│020行列式概述.mp4
│021矩陣與數據的關系.mp4
│022矩陣基本操作.mp4
│023矩陣的幾種變換.mp4
│024矩陣的秩.mp4
│025內積與正交.mp4
│
├─05特征值與矩陣分解
│026特征值與特征向量.mp4
│027特征空間與應用.mp4
│028SVD要解決的問題.mp4
│029特征值分解.mp4
│030SVD矩陣分解.mp4
│
├─06隨機變量與概率估計
│031離散型隨機變量.mp4
│032連續型隨機變量.mp4
│033簡單隨機抽樣.mp4
│034似然函數.mp4
│035極大似然估計.mp4
│
├─07概率論基礎
│036概率與頻率.mp4
│037古典概型.mp4
│038條件概率.mp4
│039條件概率小例子.mp4
│040獨立性.mp4
│041二維離散型隨機變量.mp4
│042二維連續型隨機變量.mp4
│043邊緣分布.mp4
│044期望.mp4
│045期望求解.mp4
│046馬爾科夫不等式.mp4
│047切比雪夫不等式.mp4
│048後驗概率估計.mp4
│049貝葉斯拼寫糾錯實例.mp4
│050垃圾郵件過濾實例.mp4
│
├─08數據科學你得知道的幾種分布
│051正太分布.mp4
│052二項式分布.mp4
│053泊松分布.mp4
│054均勻分布.mp4
│055卡方分布.mp4
│056beta分布.mp4
│
├─09核函數變換
│057核函數的目的.mp4
│058線性核函數.mp4
│059多項式核函數.mp4
│060核函數實例.mp4
│061高斯核函數.mp4
│062參數的影響.mp4
│
├─10熵與激活函數
│063熵的概念.mp4
│064熵的大小意味著什?.mp4
│065激活函數.mp4
│066激活函數的問題.mp4
│
├─11回歸分析
│067回歸分析概述.mp4
│068回歸方程定義.mp4
│069誤差項的定義.mp4
│070最小二乘法推導與求解.mp4
│071回歸方程求解小例子.mp4
│072回歸直線擬合優度.mp4
│073多元與曲線回歸問題.mp4
│074Python工具包介紹.mp4
│075statsmodels回歸分析.mp4
│076高階與分類變量實例.mp4
│077案例：汽車價格預測任務概述.mp4
│078缺失值填充.mp4
│079特征相關性.mp4
│080預處理問題.mp4
│081回歸求解.mp4
│
├─12假設檢驗
│082假設檢驗基本思想.mp4
│083左右側檢驗與雙側檢驗.mp4
│084Z檢驗基本原理.mp4
│085Z檢驗實例.mp4
│086T檢驗基本原理.mp4
│087T檢驗實例.mp4
│088T檢驗應用條件.mp4
│089卡方檢驗.mp4
│090假設檢驗中的兩類錯誤.mp4
│091Python假設檢驗實例.mp4
│092Python卡方檢驗實例.mp4
│
├─13相關分析
│093相關分析概述.mp4
│094皮爾森相關系數.mp4
│095計算與檢驗.mp4
│096斯皮爾曼等級相關.mp4
│097肯德爾系數.mp4
│098質量相關分析.mp4
│099偏相關與復相關.mp4
│
├─14方差分析
│100方差分析概述.mp4
│101方差的比較.mp4
│102方差的計算方法.mp4
│103方差分析中的多重比較.mp4
│104多因素方差分析.mp4
│105Python方差分析實例.mp4
│
├─15聚類分析
│106層次聚類概述.mp4
│107層次聚類流程.mp4
│108層次聚類實例.mp4
│109KMEANS算法概述.mp4
│110KMEANS工作流程.mp4
│111KMEANS迭代可視化展示.mp4
│112DBSCAN聚類算法.mp4
│113DBSCAN工作流程.mp4
│114DBSCAN可視化展示.mp4
│115多種聚類算法概述.mp4
│116聚類案例實戰.mp4
│
└─16貝葉斯分析
117貝葉斯分析概述.mp4
118概率的解釋.mp4
119貝葉斯學派與經典統計學派的爭論.mp4
120貝葉斯算法概述.mp4
121貝葉斯推導實例.mp4
122貝葉斯解釋.mp4
123經典求解思路.mp4
124MCMC概述.mp4
125PYMC3概述.mp4
126模型診斷.mp4
127模型決策.mp4