#1、机器学习的数学基础1 - 数学分析
机器学习的一般方法和横向比较 数学是有用的：以SVD为例 机器学习的角度看数学 复习数学分析 直观解释常数e 导数/梯度 随机梯度下降 Taylor展式的落地应用 gini系数 凸函数 Jensen不等式 组合数与信息熵的关系
#2、机器学习的数学基础2 - 概率论与贝叶斯先验
概率论基础 古典概型 贝叶斯公式 先验分布/后验分布/共轭分布 常见概率分布 泊松分布和指数分布的物理意义 协方差(矩阵)和相关系数 独立和不相关 大数定律和中心极限定理的实践意义 深刻理解最大似然估计MLE和最大后验估计MAP 过拟合的数学原理与解决方案
#3、机器学习的数学基础3 - 矩阵和线性代数
线性代数在数学科学中的地位 马尔科夫模型 矩阵乘法的直观表达 状态转移矩阵 矩阵和向量组 特征向量的思考和实践计算 QR分解 对称阵、正交阵、正定阵 数据白化及其应用 向量对向量求导 标量对向量求导 标量对矩阵求导
#3、机器学习的数学基础3 - 数理统计与参数估计
统计量 期望/方差/偏度/峰度 中心矩/原点矩 矩估计 深刻理解最大似然估计 过拟合的数学原理与解决方案 最大后验估计MAP 偏差方差二难
4、Python基础1 - Python及其数学库 解释器Python2.7与IDE
图解AI 认证博客专家 数据分析 机器学习 深度学习 致力于：机器学习、深度学习、数据分析、算法、架构、C/C++、Rust、HTML5/webApp、Go、Python、Lua...