AI人工智能涉及到的数学基础整理！高等数学，微积分，线性代数与矩阵论，概率论与信息论，图论与概率论
正在缓冲...
关注公众号：【咕泡AI】回复：321
领配套课件+60G人工智能入门到进阶资料包，可解答AI技术问题和论文、简历指导，求三连！！！
资料内容：
一、AI必读经典电子书(PDF文件)
二、100篇人工智能经典论文合集
三、两大Pytorch、TensorFlow实战框架视频+源码。
四、Pytorch、opencv、Keras官方中文教程
五、深度学习神经网络基础教程
六、计算机视觉+YOLO实战项目源码
七、深度学习机器学习速查表
视频选集
（1/124）
自动连播
第一章：高等数学基础 0-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
第二章：微积分 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
第三章：泰勒公式与拉格朗日 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
05:55
5-拉格朗日乘子法
09:54
6-求解拉格朗日乘子法
10:06
第四章：线性代数基础 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
第五章：特征值与矩阵分解 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
第六章：随机变量 1-离散型随机变量
07:51
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
11:16
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
第八章：数据科学你得知道的几种分布 1-正太分布
19:24
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
第九章：核函数变换 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
08:52
6-参数的影响
08:37
第十章：熵与激活函数 1-熵的概念
04:51
2-激活函数的问题
10:00
3-激活函数
06:31
4-熵的大小意味着什么
12:10
第十一章：回归分析 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
07:49
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
11:10
7-多元与曲线回归问题
08:27
8-Python工具包介绍
05:02
9-statsmodels回归分析
09:39
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
13:38
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
第十二章：假设检验 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
08:01
第十三章：相关分析 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
7-偏相关与复相关
07:35
第十四章：方差分析 1-方差分析概述
06:49
2-方差的比较
11:51
3-方差分析计算方法
14:01
4-方差分析中的多重比较
08:16
5-多因素方差分析
09:26
6-Python方差分析实例
08:35
第十五章：聚类分析 1-层次聚类概述
04:42
2-层次聚类流程
12:11
3-层次聚类实例
11:34
4-1-KMEANS算法概述
11:34
4-2-KMEANS工作流程
09:43
4-3-KMEANS迭代可视化展示
08:21
第十六章：贝叶斯分析 1-贝叶斯分析概述
07:23
2-概率的解释
06:07
3-贝叶斯学派与经典统计学派的争论
05:50
4-贝叶斯算法概述
06:59
5-贝叶斯推导实例
07:39
6-贝叶斯拼写纠错实例
11:47
7-贝叶斯解释
10:51
8-垃圾邮件过滤实例
14:10
9-经典求解思路
08:17
10-MCMC概述
11:04
11-PYMC3概述
05:41
12-模型诊断
09:54
13-模型决策
10:49
顶部