收藏
本课程专为程序员设计,涵盖机器学习核心数学知识,包括微分、线性代数、概率统计及最优化方法。通过详细推导与实战案例,帮助学员深入理解并应用这些数学工具。课程内容从基础概念到高级算法,如泰勒展开、矩阵分解、贝叶斯定理及KKT条件等,均配有实战练习,确保理论与实践相结合。无论是机器学习初学者还是希望巩固数学基础的程序员,本课程都是提升技能、迈向高级机器学习领域的理想选择。
以下云资源目录树快照生成于[11个月前],该学习资料由夸克云用户[心旷*怡的青蛙]分享(只展示大部分文件和目录)
程序员必备:机器学习数学基础与实战851.93MB(mp4视频34节;)
第5章-zui优化方法
5-15.1 本集简介.mp46.75MB
5-9本集总结.mp417.71MB
5-8KKT条件.mp428.58MB
5-7约束非线性优化.mp418.9MB
5-6拟牛顿法.mp47.19MB
5-5牛顿法.mp424.87MB
5-4共轭梯度法.mp421.96MB
5-3最速下降法.mp432.06MB
5-2优化问题简介.mp46.99MB
第4章-概率统计
4-14本集总结.mp44.78MB
4-13EM算法.mp438.58MB
4-12Bootstrap方法.mp456.01MB
4-11蒙特卡洛方法.mp423.16MB
4-4期望、方差与条件数学期望.mp438.92MB
4-3贝叶斯定理.mp428.85MB
4-2随机变量与概率分布.mp468.36MB
4-1本集介绍.mp45.89MB
第3章-线性代数
3-8二次型与正定性.mp438.82MB
3-10本集总结.mp43.05MB
3-9矩阵分解.mp448.33MB
3-7线性方程组.ev4a27.16MB
3-6行列式.ev4a20.21MB
3-5矩阵的逆与伪逆.ev4a20.19MB
3-4张量的运算.mp413.78MB
3-3向量与矩阵运算.mp428.22MB
3-2向量矩阵张量.mp49.33MB
3-1本集介绍.mp43.76MB
第1章-微分上
1-10本集总结.mp47.6MB
1-9凸函数.mp428.16MB
1-8泰勒展开.mp422.85MB
1-7函数逼近.mp413.9MB
1-6费马定理.mp46.21MB
1-5求导方法.mp418.28MB
1-4导数.mp414.41MB
1-3极限.mp45.25MB
1-2O(n).mp411.67MB
1-1课程介绍.mp481.16MB