軟體王

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
│ 028 SVD要解決的問題.mp4
│ 029 特征值分解.mp4
│ 030 SVD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
│ 056 beta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
│ 074 Python工具包介紹.mp4
│ 075 statsmodels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
│ 084 Z檢驗基本原理.mp4
│ 085 Z檢驗實例.mp4
│ 086 T檢驗基本原理.mp4
│ 087 T檢驗實例.mp4
│ 088 T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
│ 091 Python假設檢驗實例.mp4
│ 092 Python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
│ 105 Python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
│ 109 KMEANS算法概述.mp4
│ 110 KMEANS工作流程.mp4
│ 111 KMEANS迭代可視化展示.mp4
│ 112 DBSCAN聚類算法.mp4
│ 113 DBSCAN工作流程.mp4
│ 114 DBSCAN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
124 MCMC概述.mp4
125 PYMC3概述.mp4
126 模型診斷.mp4
127 模型決策.mp4