首页

投稿

2026最新！【整整300集】一口气吃透概率论、线性代数、高等数学、微积分、贝叶斯算法等核心知识！学起来比刷剧还爽！—人工智能/机器学习/高等数学

2.8万

12

2026-01-16 17:29:08

本套课程专为掌握人工智能所需数学技能而设计，涵盖线性代数、概率论、统计学及优化理论等关键领域。通过理论讲解与实战练习，你将构建坚实的数学基础，为深入理解机器学习、深度学习等高级主题铺平道路。适合计算机科学、数据科学及相关领域初学者及进阶学习者。

贝叶斯算法

人工智能入门

计算机视觉与人工智能发消息

需要系统学习课程、论文指导、就业指导、项目指导可后台直接咨询

0-机器学习数学基础课程简介

04:01

1-函数

05:28

2-极限

06:44

3-无穷小与无穷大

06:34

4-连续性与导数

08:59

5-偏导数

07:02

6-方向导数

08:25

7-梯度

11:27

1-微积分基本想法

06:07

2-微积分的解释

08:02

3-定积分

08:33

4-定积分性质

05:29

5-牛顿-莱布尼茨公式

11:37

1-泰勒公式出发点

06:14

2-一点一世界

09:59

3-阶数的作用

08:08

4-阶乘的作用

05:54

5-拉格朗日乘子法

09:54

6-求解拉格朗日乘子法

10:06

1-行列式概述

05:44

2-矩阵与数据的关系

09:26

3-矩阵基本操作

12:12

4-矩阵的几种变换

05:31

5-矩阵的秩

12:41

6-内积与正交

11:28

1-特征值与特征向量

07:26

2-特征空间与应用

04:32

3-SVD要解决的问题

07:18

4-特征值分解

05:46

5-SVD矩阵分解

11:53

1-离散型随机变量

07:50

2-连续型随机变量

09:33

3-简单随机抽样

02:31

4-似然函数

07:35

5-极大似然估计

10:17

1-概率与频率

06:51

2-古典概型

06:24

3-条件概率

08:34

4-条件概率小例子

05:36

5-独立性

07:16

6-二维离散型随机变量

08:04

7-二维连续型随机变量

05:30

8-边缘分布

09:37

9-期望

04:21

10-期望求解

08:39

11-马尔科夫不等式

08:36

12-切比雪夫不等式

11:15

13-后验概率估计

10:05

14-贝叶斯拼写纠错实例

11:47

15-垃圾邮件过滤实例

14:10

1-正太分布

19:23

2-二项式分布

11:03

3-泊松分布

15:56

4-均匀分布

03:23

5-卡方分布

05:36

6-beta分布

14:55

1-核函数的目的

06:38

2-线性核函数

05:44

3-多项式核函数

04:35

4-核函数实例

06:54

5-高斯核函数

08:51

6-参数的影响

08:37

1-熵的概念

04:51

2-熵的大小意味着什么

12:10

3-激活函数

06:31

4-激活函数的问题

10:00

1-回归分析概述

07:12

2-回归方程定义

04:43

3-误差项的定义

07:48

4-最小二乘法推导与求解

12:42

5-回归方程求解小例子

06:33

6-回归直线拟合优度

11:09

7-多元与曲线回归问题

08:26

8-Python工具包介绍

05:02

9-statsmodels回归分析

09:38

10-高阶与分类变量实例

12:07

11-案例：汽车价格预测任务概述

09:20

12-案例：缺失值填充

13:37

13-案例：特征相关性

13:48

14-案例：预处理问题

07:06

15-案例：回归求解

13:24

1-假设检验基本思想

12:29

2-左右侧检验与双侧检验

14:21

3-Z检验基本原理

07:04

4-Z检验实例

14:07

5-T检验基本原理

13:03

6-T检验实例

06:18

7-T检验应用条件

07:44

8-卡方检验

11:29

9-假设检验中的两类错误

10:02

10-Python假设检验实例

12:35

11-Python卡方检验实例

08:00

1-相关分析概述

09:04

2-皮尔森相关系数

08:17

3-计算与检验

13:06

4-斯皮尔曼等级相关

14:07

5-肯德尔系数

06:49

6-质量相关分析

13:34

顶部