这门课解决什么问题

很多上班族和转行者在学机器学习或深度学习时，常被公式推导卡住：看不懂贝叶斯分类器的假设前提，分不清独立事件与条件概率，遇到排列组合就发懵。这门课针对这种“公式看不懂、算法推导跟不上”的断层，把人工智能所需的初等概率论单独拎出来，只讲清楚基础概念和计算逻辑，不铺陈无关的高阶数学。它不教你写代码，而是让你在面对算法时，能看懂公式背后的概率含义，知道每个符号在算什么、为什么这么假设。

适合什么基础与建议先看哪几块

资料适合高中数学尚有印象、但大学非理工背景的读者。如果你连“样本空间”“互斥”这些词都忘了，建议从简单事件与样本空间开始，先把基础定义过一遍；接着重点看条件概率、全概率公式和贝叶斯法则这三块，它们是机器学习分类算法的数学骨架，也是后续理解朴素贝叶斯、隐马尔可夫模型的前置知识；最后用排列组合那几节补齐计数方法。已有基础的人可直接跳到条件概率和贝叶斯，其余按需查阅。

学完能做什么与资料怎么配合

学完后你能独立完成两件事：一是看懂常见机器学习算法中的概率推导部分，不再卡在第一步的符号定义；二是遇到实际问题时，能判断该用全概率公式还是贝叶斯法则，并正确写出计算式。资料配合上，建议先通读一遍视频建立框架，再针对条件概率和贝叶斯部分做纸面推导练习，自己手算几个小例子，验证是否真正理解事件独立性。遇到卡壳就回看对应章节，不必整门课线性刷完，按需查阅效率更高。


学完后能看懂和理解高级统计方法、机器学习和深度学习算法中的初等概率论内容。

课程目录

*   01 概率/

  *   01 简单事件和样本空间.mp4 10:56

  *   02 什么是概率.mp4 14:49

  *   03 概率的计算.mp4 04:48

  *   04 计算概率的步骤.mp4 09:41

  *   05 复合事件.mp4 09:56

  *   06 事件的补.mp4 02:41

  *   07 求并事件的概率.mp4 10:28

  *   08 事件的和差积.mp4 04:54

  *   09 条件概率.mp4 09:39

  *   10 独立事件.mp4 10:38

  *   11 相互独立事件.mp4 08:57

  *   12 全概率公式.mp4 11:11

  *   13 贝叶斯法则.mp4 06:30

  *   14 乘法原理.mp4 07:43

  *   15 排列.mp4 05:13

  *   16 组合.mp4 07:51

  *   17 排列组合概率.mp4 10:25

*   02 离散随机变量/

  *   01 随机变量.mp4 03:21

  *   02 离散随机变量的概率分布.mp4 06:59

  *   03 概率质量函数.mp4 10:35

  *   04 概率质量函数图形.mp4 04:41

  *   05 分布函数.mp4 08:12

  *   06 随机变量的期望.mp4 03:59

  *   07 随机变量函数的期望.mp4 05:15

  *   08 标准差和方差.mp4 07:23

  *   09 一些有用的期望值定理.mp4 10:52

  *   10 一些有用的方差定理.mp4 06:15

  *   11 矩和矩母函数.mp4 05:27

*   03 离散随机变量概率分布/

  *   01 伯努利试验和伯努利随机变量.mp4 08:09

  *   02 二项分布.mp4 13:39

  *   03 二项分布期望和方差.mp4 11:06

  *   04 进一步理解期望和标准差.mp4 14:11

  *   05 负二项分布和几何分布.mp4 08:32

  *   06 超几何分布.mp4 06:44

  *   07 泊松分布.mp4 13:57

  *   08 泊松分布深入分析.mp4 06:25

*   04 连续随机变量/

  *   01 连续随机变量.mp4 11:38

  *   02 连续随机变量的期望和方差.mp4 04:04

  *   03 均匀分布.mp4 04:46

  *   04 正态分布.mp4 13:09

  *   05 标准正态分布.mp4 09:00

  *   06 正态分布近似二项和泊松分布.mp4 11:09

  *   07 正态分布近似二项分布的连续性修正.mp4 05:44

  *   08 指数分布.mp4 13:49

  *   09 指数分布的无记忆性.mp4 05:58

  *   10 伽马分布和威布尔分布.mp4 05:14

  *   11 连续随机变量函数的分布.mp4 03:43

*   05 联合概率分布/

  *   01 离散随机变量的二元概率分布.mp4 10:53

  *   02 条件概率分布.mp4 09:01

  *   03 连续随机变量联合概率分布.mp4 06:38

  *   04 两个随机变量函数的期望.mp4 12:08

  *   05 随机变量的独立性.mp4 11:22

  *   06 协方差和相关系数.mp4 09:27

  *   07 随机变量线性函数的期望和方差.mp4 04:16

*   06 重要的概率公理和定理/

  *   01 概率论的三个基本公理.mp4 06:36

  *   02 马尔可夫不等式和切比雪夫不等式.mp4 10:22

  *   03 中心极限定理.mp4 14:03

  *   04 大数定律.mp4 09:54