微信
支付宝
- 课程目录
- 课件下载
- 第一章：高等数学基础
- 课程简介 4:00 免费
- 函数 5:27 免费
- 极限（PPT下载----->） 6:43
- 无穷大与无穷小 6:33
- 连续性与导数 8:58
- 偏导数 7:01
- 方向导数 8:24
- 梯度 11:26
- 第二章：微积分
- 微积分基本想法 6:06
- 微积分的解释 8:01
- 定积分 8:32
- 定积分的性质 5:28
- 牛顿莱布尼茨公式 11:36
- 第三章：泰勒公式与拉格朗日
- 泰勒公式出发点 6:13
- 一点一世界 9:58
- 阶数的作用 8:07
- 阶乘的作用 5:54
- 拉格朗日乘子法 9:53
- 求解拉格朗日乘子法 10:05
- 第四章：线性代数基础
- 行列式概述 5:43
- 矩阵与数据的关系 9:25
- 矩阵基本操作 12:11
- 矩阵的几种变换 5:30
- 矩阵的秩 12:40
- 内积与正交 11:27
- 第五章：特征值与矩阵分解
- 特征值与特征向量 7:25
- 特征空间与应用 4:31
- SVD要解决的问题 7:17
- 特征值分解 5:45
- SVD矩阵分解 11:52
- 第六章：随机变量与概率估计
- 离散型随机变量 7:49
- 连续型随机变量 9:32
- 简单随机抽样 2:30
- 似然函数 2:30
- 极大似然估计 7:34
- 第七章：概率论基础
- 概率与频率 6:50
- 古典概型 6:23
- 条件概率 8:33
- 条件概率小例子 5:35
- 独立性 7:15
- 二维离散型随机变量 8:03
- 二维连续型随机变量 5:29
- 边缘分布 9:36
- 期望 4:20
- 期望求解 8:38
- 马尔科夫不等式 8:35
- 切比雪夫不等式 11:14
- 后验概率估计 10:04
- 贝叶斯拼写纠错实例 11:46
- 垃圾邮件过滤实例 14:09
- 第八章：数据科学必备分布
- 正态分布 19:23
- 二项式分布 11:02
- 泊松分布 15:55
- 均匀分布 3:22
- 卡方分布 5:35
- beta分布 14:54
- 第九章：核函数变换
- 核函数的目的 6:37
- 线性核函数 5:43
- 多项式核函数 4:34
- 核函数实例 6:53
- 高斯和函数 8:51
- 参数的影响 8:36
- 第一十章：熵与激活函数
- 熵的概念 4:50
- 熵的大小意味着什么 12:09
- 激活函数 6:30
- 激活函数的问题 9:59
- 第一十一章：回归分析
- 回归分析概述 7:11
- 回归方程定义 4:42
- 误差项定义 7:48
- 最小二乘法推导与求解 12:41
- 回归方程求解小例子 6:32
- 回归直线拟合优度 11:08
- 多元与曲线回归分析 8:26
- python工具包介绍 5:01
- statsmodels回归分析 9:38
- 高阶与分类变量实例 12:06
- 汽车价格预测任务概述 9:19
- 缺失值填充 13:36
- 特征相关性 13:47
- 预处理问题 7:05
- 回归求解 13:23
- 第一十二章：假设检验
- 假设检验基本思想 12:28
- 左右检验与双侧检验 14:20
- Z检验基本原理 7:03
- Z检验实例 14:06
- T检验基本原理 13:02
- T检验实例 6:17
- T检验应用条件 7:43
- 卡方检验 11:28
- 假设检验中的两类错误 10:01
- python假设检验实例 12:34
- python卡方检验实例 7:59
- 第一十三章：相关分析
- 相关分析概述 9:03
- 皮尔森相关系数 8:16
- 计算与检验 13:05
- 斯皮尔曼等级相关 14:06
- 肯德尔系数 6:48
- 质量相关分析 13:33
- 偏相关与复相关 7:34
- 第一十四章：方差分析
- 方差分析概述 6:48
- 方差的比较 11:50
- 方差分析计算方法 14:00
- 方差分析中的多重比较 8:15
- 多因素方差分析 9:25
- python方差分析实例 8:34
- 第一十五章：聚类分析
- 层次聚类概述 4:41
- 层次聚类流程 12:10
- 层次聚类实例 11:33
- KMEANS算法概述 11:33
- KMEANS工作流程 9:42
- KMEANS迭代可视化展示 8:19
- DBSCAN算法 11:03
- DBSCAN工作流程 15:03
- DBSCAN可视化展示 8:52
- 多种聚类算法概述 4:34
- 聚类案例实战 17:19
- 第一十六章：贝叶斯分析
- 贝叶斯分析概述 7:22
- 概率的解释 6:06
- 贝叶斯学派与统计学派的争论 5:49
- 贝叶斯算法概述 6:58
- 贝叶斯推导实例 7:37
- 贝叶斯解释 10:50
- 经典求解思路 8:16
- MCMC概述 11:03
- PYMC3概述 5:40
- 模型诊断 9:53
- 模型决策 10:48
【课时介绍】
购买课程后，可扫码进入学习群，获取唐宇迪老师答疑
数据科学与人工智能数学基础课程旨在帮助同学们打下数学基础，通俗讲解其中每一个知识点。课程内容涉及高等数学，线性代数，概率论与统计学，同学们在学习过程中应当以理解为出发点并不需要死记每一个公式，掌握核心知识点。课程章节内容较多，初级同学按顺序学习即可，有基础的同学们可以按照自己的需求来有选择的学习！
- 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
阅读更多
发布回复
扫一扫，移动端观看视频
