机器学习和人工智能当下热度十足，本课程旨在帮助大家快速学习机器学习所依赖的数学知识，并和工程案例紧密结合在一起，对于复杂的复杂的数学知识给出通俗易懂的解释，帮助大家快速夯实数学基本功。为以后的机器学习、人工智能无障碍...

*   01 python的数值计算工具/

  *   01 numpy速览（numpy课程资料包在此）.mp4 06:49

  *   02 认识ndarray.mp4 08:31

  *   03 创建ndarray的几种方法.mp4 09:50

  *   04 数据文件的读写.mp4 19:34

  *   05 如何访问数组中的元素.mp4 11:42

  *   06 布尔数组下标法访问数组元素.mp4 08:32

  *   07 整数列表索引和花式索引.mp4 07:36

  *   08 数组的合并.mp4 04:57

  *   09 ufunc和broadcast.mp4 20:20

  *   10 用tile和repeat扩充数组.mp4 12:01

  *   11 ufunc实战.knn分类器.mp4 19:20

  *   12 认识矩阵对象.mp4 11:11

  *   13 矩阵对象的**实践.mp4 08:11

  *   14 线性代数库的使用.mp4 04:29

*   02 线性代数.1.认识向量/

  *   01 向量的概念和四则运算（线性代数课程资料包在此）.mp4 27:58

  *   02 机器学习中常用的距离和相似度.mp4 17:30

*   03 线性代数.2.认识矩阵/

  *   01 方程组和矩阵.mp4 14:44

  *   02 方程组的解和矩阵的行列式.mp4 22:26

  *   03 矩阵的四则运算以及几何意义解释.mp4 12:19

*   04 线性代数.3.子空间/

  *   01 子空间和基正交基.mp4 21:58

*   05 线性代数.4.矩阵和线性变换/

  *   01 矩阵和线性变换的关系.mp4 22:59

  *   02 相似矩阵和特征值分解.mp4 19:08

*   06 线性代数.5.矩阵分解/

  *   01 对称阵的正交分解.mp4 16:16

  *   02 主成分分析PCA.mp4 12:16

  *   03 奇异值分解SVD.mp4 16:33

*   07 线性代数.6.python代码实战/

  *   01 利用pca进行数据降维.mp4 13:04

  *   02 利用SVD做图像压缩.mp4 25:46

*   08 概率和统计.1.概率基础知识/

  *   01 基本概念（随机变量、分布）（概率课程资料包在此）.mp4 19:52

  *   02 基本概念（分布函数和数字特征）.mp4 10:32

  *   03 重要的分布及数字特征.mp4 18:42

  *   04 随机向量和贝叶斯公式.mp4 22:11

  *   05 协方差矩阵和主成分分析.mp4 08:05

  *   06 python实战环节.如何生成常见的分布.mp4 05:40

*   09 概率和统计.2.python代码实战.垃圾邮件分类/

  *   01 朴素贝叶斯和垃圾邮件分类背景介绍.mp4 25:19

  *   02 自己实现朴素贝叶斯算法代码详解.mp4 15:45

*   10 概率和统计.3.统计学基础/

  *   01 统计学基础.mp4 11:49

  *   02 数据的描述统计.mp4 13:35

*   11 概率和统计.4.python实战数据可视化分析/

  *   01 如何建立数据的全景视图.mp4 04:30

  *   02 用轮廓图对数据建立总体认识.mp4 05:06

  *   03 用调和曲线图建立数据总体认识.mp4 04:10

  *   04 用直方图矩阵观察数据分布特征.mp4 03:03

  *   05 用核密度曲线矩阵观察数据分布特征.mp4 04:43

  *   06 用箱线图矩阵观察数据分布特征.mp4 08:43

  *   07 用散点图矩阵和热力图观察数据的相关关系.mp4 07:50

*   12 概率和统计.5.参数估计/

  *   01 极大似然估计MLE.mp4 19:31

  *   02 极大后验概率.mp4 17:06

*   13 概率和统计.6.假设检验/

  *   01 假设检验的原理.mp4 10:55

  *   02 假设检验的操作步骤.mp4 11:20

  *   03 假设检验结果的解读.mp4 15:58

  *   04 假设检验可行吗.mp4 13:12

*   14 概率和统计.7.方差分析python实战/

  *   01 方差分析介绍.mp4 14:37

  *   02 python方差分析实战.mp4 13:36

*   15 凸优化.1.高数重点知识串讲/

  *   01 微分复习（微分、偏微分、全微分）（凸优化资料包在此）.mp4 09:42

  *   02 导数和梯度向量.mp4 08:40

  *   03 泰勒展开公式、导数和函数极值关系.mp4 19:26

*   16 凸优化.2.梯度下降算法/

  *   01 梯度下降算法精讲.mp4 24:00

  *   02 梯度算法的各种改进（牛顿法、拟牛顿法）.mp4 13:37

  *   03 机器学习中常见损失函数梯度推导.均方误差的梯度推导.mp4 13:17

  *   04 sigmoid函数的梯度推导.mp4 05:05

  *   05 logloss损失函数的梯度推导.mp4 07:50

  *   06 logloss损失函数的梯度推导之二.mp4 07:56

*   17 凸优化.3.神经网络和BP算法/

  *   01 神经网络原理.mp4 25:43

  *   02 神经网络工作原理和BP算法.mp4 14:45

  *   03 BP算法的梯度反向推导.mp4 31:30

*   18 凸优化.4.凸优化初步/

  *   01 凸集的概念.mp4 17:45

  *   02 凸函数.mp4 16:55

  *   03 凸函数和保凸运算.mp4 05:56

*   19 凸优化.5.凸优化进阶/

  *   01 正式介绍凸优化问题.mp4 15:51

  *   02 对偶函数和对偶理论.mp4 16:56

  *   03 对偶条件和kkt条件.mp4 20:05

*   20 凸优化.6.支持向量机/

  *   01 支持向量机思想的几何解释.mp4 30:57

  *   02 支持向量机的标准形式.mp4 08:02

  *   03 支持向量机的对偶问题和kkt条件.mp4 20:13

  *   04 现行不可分问题和支持向量机的核函数技巧.mp4 16:44