
機器學(xué)習(xí)數(shù)學(xué)基礎(chǔ)培訓(xùn)
課程將對機器學(xué)習(xí)所涉及的數(shù)學(xué)基礎(chǔ)知識進(jìn)行講解和回顧,
包括微積分,線性代數(shù),概率論,
以及統(tǒng)計學(xué)等,并使用 Python 完成實踐。
1 標(biāo)量、向量與張量
2 Python 的廣播機制
3 矩陣的轉(zhuǎn)置
4 特征值分解和奇異值分解
5 函數(shù)
6 鏈?zhǔn)椒▌t
7 小二乘法
8 全概率公式
9 概率分布
10 方差和協(xié)方差
11 矩陣加法和乘法
12 單位矩陣
13 矩陣的逆
14 主成分分析法
15 導(dǎo)數(shù)與偏導(dǎo)數(shù)
16 梯度下降算法
17 條件概率公式
18 貝葉斯公式
19 數(shù)學(xué)期望
20 假設(shè)檢驗
1
線性代數(shù)
1.向量、標(biāo)量和張量
2.矩陣運算
3.Python的廣播機制
4.單位矩陣
5.矩陣的轉(zhuǎn)置和逆
6.特征值分解和奇異值分解
7.主成分分析法
1
葡萄酒數(shù)據(jù)可視化
1.特征分解
2.奇異值分解
3.主成分分析
2
微積分學(xué)
1.線性函數(shù)與非線性函數(shù)
2.導(dǎo)數(shù)與偏導(dǎo)數(shù)
3.鏈?zhǔn)椒▌t
4.梯度下降算法
5.局部優(yōu)和全局優(yōu)
6.小二乘法
2
高爾夫球命中率
1.梯度下降算法
2.數(shù)據(jù)的標(biāo)準(zhǔn)化
3.高爾夫球的精確率預(yù)測
3
概率論和統(tǒng)計學(xué)
1.概率公式
2.隨機變量
3.概率分布
4.數(shù)學(xué)期望
5.方差、標(biāo)準(zhǔn)差和協(xié)方差
6.假設(shè)檢驗
3
糖尿病診斷預(yù)測
1.條件概率
2.貝葉斯推斷
3.正態(tài)分布函數(shù)
