第一章：高等数学基础

• 1. 课程简介 4:00
• 2. 函数 5:27
• 3. 极限（PPT下载----->） 6:43
• 4. 无穷大与无穷小 6:33
• 5. 连续性与导数 8:58
• 6. 偏导数 7:01
• 7. 方向导数 8:24
• 8. 梯度 11:26

第二章：微积分

• 1. 微积分基本想法 6:06
• 2. 微积分的解释 8:01
• 3. 定积分 8:32
• 4. 定积分的性质 5:28
• 5. 牛顿莱布尼茨公式 11:36

第三章：泰勒公式与拉格朗日

• 1. 泰勒公式出发点 6:13
• 2. 一点一世界 9:58
• 3. 阶数的作用 8:07
• 4. 阶乘的作用 5:54
• 5. 拉格朗日乘子法 9:53
• 6. 求解拉格朗日乘子法 10:05

第四章：线性代数基础

• 1. 行列式概述 5:43
• 2. 矩阵与数据的关系 9:25
• 3. 矩阵基本操作 12:11
• 4. 矩阵的几种变换 5:30
• 5. 矩阵的秩 12:40
• 6. 内积与正交 11:27

第五章：特征值与矩阵分解

• 1. 特征值与特征向量 7:25
• 2. 特征空间与应用 4:31
• 3. SVD要解决的问题 7:17
• 4. 特征值分解 5:45
• 5. SVD矩阵分解 11:52

第六章：随机变量与概率估计

• 1. 离散型随机变量 7:49
• 2. 连续型随机变量 9:32
• 3. 简单随机抽样 2:30
• 4. 似然函数 2:30
• 5. 极大似然估计 7:34

第七章：概率论基础

• 01. 概率与频率 6:50
• 02. 古典概型 6:23
• 03. 条件概率 8:33
• 04. 条件概率小例子 5:35
• 05. 独立性 7:15
• 06. 二维离散型随机变量 8:03
• 07. 二维连续型随机变量 5:29
• 08. 边缘分布 9:36
• 09. 期望 4:20
• 10. 期望求解 8:38
• 11. 马尔科夫不等式 8:35
• 12. 切比雪夫不等式 11:14
• 13. 后验概率估计 10:04
• 14. 贝叶斯拼写纠错实例 11:46
• 15. 垃圾邮件过滤实例 14:09

第八章：数据科学必备分布

• 1. 正态分布 19:23
• 2. 二项式分布 11:02
• 3. 泊松分布 15:55
• 4. 均匀分布 3:22
• 5. 卡方分布 5:35
• 6. beta分布 14:54

第九章：核函数变换

• 1. 核函数的目的 6:37
• 2. 线性核函数 5:43
• 3. 多项式核函数 4:34
• 4. 核函数实例 6:53
• 5. 高斯和函数 8:51
• 6. 参数的影响 8:36

第一十章：熵与激活函数

• 1. 熵的概念 4:50
• 2. 熵的大小意味着什么 12:09
• 3. 激活函数 6:30
• 4. 激活函数的问题 9:59

第一十一章：回归分析

• 01. 回归分析概述 7:11
• 02. 回归方程定义 4:42
• 03. 误差项定义 7:48
• 04. 最小二乘法推导与求解 12:41
• 05. 回归方程求解小例子 6:32
• 06. 回归直线拟合优度 11:08
• 07. 多元与曲线回归分析 8:26
• 08. python工具包介绍 5:01
• 09. statsmodels回归分析 9:38
• 10. 高阶与分类变量实例 12:06
• 11. 汽车价格预测任务概述 9:19
• 12. 缺失值填充 13:36
• 13. 特征相关性 13:47
• 14. 预处理问题 7:05
• 15. 回归求解 13:23

第一十二章：假设检验

• 01. 假设检验基本思想 12:28
• 02. 左右检验与双侧检验 14:20
• 03. Z检验基本原理 7:03
• 04. Z检验实例 14:06
• 05. T检验基本原理 13:02
• 06. T检验实例 6:17
• 07. T检验应用条件 7:43
• 08. 卡方检验 11:28
• 09. 假设检验中的两类错误 10:01
• 10. python假设检验实例 12:34
• 11. python卡方检验实例 7:59

第一十三章：相关分析

• 1. 相关分析概述 9:03
• 2. 皮尔森相关系数 8:16
• 3. 计算与检验 13:05
• 4. 斯皮尔曼等级相关 14:06
• 5. 肯德尔系数 6:48
• 6. 质量相关分析 13:33
• 7. 偏相关与复相关 7:34

第一十四章：方差分析

• 1. 方差分析概述 6:48
• 2. 方差的比较 11:50
• 3. 方差分析计算方法 14:00
• 4. 方差分析中的多重比较 8:15
• 5. 多因素方差分析 9:25
• 6. python方差分析实例 8:34

第一十五章：聚类分析

• 01. 层次聚类概述 4:41
• 02. 层次聚类流程 12:10
• 03. 层次聚类实例 11:33
• 04. KMEANS算法概述 11:33
• 05. KMEANS工作流程 9:42
• 06. KMEANS迭代可视化展示 8:19
• 07. DBSCAN算法 11:03
• 08. DBSCAN工作流程 15:03
• 09. DBSCAN可视化展示 8:52
• 10. 多种聚类算法概述 4:34
• 11. 聚类案例实战 17:19

第一十六章：贝叶斯分析

• 01. 贝叶斯分析概述 7:22
• 02. 概率的解释 6:06
• 03. 贝叶斯学派与统计学派的争论 5:49
• 04. 贝叶斯算法概述 6:58
• 05. 贝叶斯推导实例 7:37
• 06. 贝叶斯解释 10:50
• 07. 经典求解思路 8:16
• 08. MCMC概述 11:03
• 09. PYMC3概述 5:40
• 10. 模型诊断 9:53
• 11. 模型决策 10:48