课程大纲：机器学习数学基础培训
课程将对机器学习所涉及的数学基础知识进行讲解和回顾，
包括微积分，线性代数，概率论，
以及统计学等，并使用 Python 完成实践。
1 标量、向量与张量
2 Python 的广播机制
3 矩阵的转置
4 特征值分解和奇异值分解
5 函数
6 链式法则
7 小二乘法
8 全概率公式
9 概率分布
10 方差和协方差
11 矩阵加法和乘法
12 单位矩阵
13 矩阵的逆
14 主成分分析法
15 导数与偏导数
16 梯度下降算法
17 条件概率公式
18 贝叶斯公式
19 数学期望
20 假设检验
1
线性代数
1.向量、标量和张量
2.矩阵运算
3.Python的广播机制
4.单位矩阵
5.矩阵的转置和逆
6.特征值分解和奇异值分解
7.主成分分析法
1
葡萄酒数据可视化
1.特征分解
2.奇异值分解
3.主成分分析
2
微积分学
1.线性函数与非线性函数
2.导数与偏导数
3.链式法则
4.梯度下降算法
5.局部优和全局优
6.小二乘法
2
高尔夫球命中率
1.梯度下降算法
2.数据的标准化
3.高尔夫球的精确率预测
3
概率论和统计学
1.概率公式
2.随机变量
3.概率分布
4.数学期望
5.方差、标准差和协方差
6.假设检验
3
糖尿病诊断预测
1.条件概率
2.贝叶斯推断
3.正态分布函数
请
登录
后发表评论
新评论
全部
第1节
第2节
第3节
第4节
第5节
第6节
第7节
第8节
第9节
第10节
第11节
第12节
第13节
第14节
第15节
第16节
第17节
我的报告 / 所有报告
加入高级会员获得助教答疑
