人工智能數學基礎課視頻教程[完整版]

├─01.第一階段：AI數學基石
│ ├─01.第一章：線性代數
│ │ │ ]AI Math_[第1章]_線性代數v2 .pdf
│ │ │ 
│ │ └─視頻
│ │ 01_本章概述.mp4
│ │ 02_定義和例子.mp4
│ │ 03_向量及其運算.mp4
│ │ 04_向量組的線性組合.mp4
│ │ 05_向量組的線性相關性.mp4
│ │ 06_內積的定義.mp4
│ │ 07_范數的定義.mp4
│ │ 08_內積的幾何解釋.mp4
│ │ 09_矩陣和線性變換.mp4
│ │ 10_線性變換.mp4
│ │ 11_矩陣的運算.mp4
│ │ 12_矩陣的轉置.mp4
│ │ 13_矩陣的行列式.mp4
│ │ 14_逆矩陣.mp4
│ │ 15_求解線性方程組.mp4
│ │ 16_特征值和特征向量.mp4
│ │ 17_對陣矩陣和正定矩陣.mp4
│ │ 18_相似矩陣和對角化.mp4
│ │ 19_二次型.mp4
│ │ 20_本章小結.mp4
│ │ 
│ ├─02.第二章：高等數學
│ │ 01-本章概述.mp4
│ │ 02-函數的定義.mp4
│ │ 03-反函數.mp4
│ │ 04-復合函數.mp4
│ │ 05-引例.mp4
│ │ 06-導數.mp4
│ │ 07-函數的求導法則 .mp4
│ │ 08-高階導數.mp4
│ │ 09-二元函數.mp4
│ │ 10-二元函數的偏導數.mp4
│ │ 11-方向導數和梯度.mp4
│ │ 12-雅可比矩陣.mp4
│ │ 13-海森矩陣.mp4
│ │ 14-函數的極值.mp4
│ │ 15-極值的定理.mp4
│ │ 16-拉格朗日函數.mp4
│ │ 17-泰勒展開式.mp4
│ │ 18-本章小結.mp4
│ │ [第1門]AI Math_[第2章]_高等數學.pdf
│ │ 
│ ├─03.第三章：概率論
│ │ 01-本章概述.mp4
│ │ 02-基礎概念.mp4
│ │ 03-隨機事件的概率.mp4
│ │ 04-條件概率.mp4
│ │ 05-事件的獨立性.mp4
│ │ 06-全概率公式和貝葉斯公式.mp4
│ │ 07-隨機變量的定義.mp4
│ │ 08-概率分布.mp4
│ │ 09-概率密度函數.mp4
│ │ 10-隨機變量的期望.mp4
│ │ 11-隨機變量的方差.mp4
│ │ 12-最大似然估計(上) (1).mp4
│ │ 13-最大似然估計(下) .mp4
│ │ 14-本章小節.mp4
│ │ [第1門]AI Math_[第3章]_概率論（密碼：aimath2018）.pdf
│ │ 
│ └─04.第四章：最優化
│ 01-本章概述.mp4
│ 02-基本形式.mp4
│ 03-分類.mp4
│ 04-線性規劃問題實例.mp4
│ 05-線性規劃的標準形式.mp4
│ 06-線性規劃問題的求解.mp4
│ 07-空間里的直線.mp4
│ 08-仿射集.mp4
│ 09-凸集.mp4
│ 10-超平面和半空間.mp4
│ 11-凸函數.mp4
│ 12-凸優化問題.mp4
│ 13-本章小結 .mp4
│ [第1門]AI Math_[第4章]_最優化.pdf
│ 
├─02.第二階段：優化論初步
│ ├─01.第一章 優化迭代統一論
│ │ │ 01-本微專業概述.mp4
│ │ │ 02-線性回歸建模.mp4
│ │ │ 03-無約束優化分析法(上).mp4
│ │ │ 04-無約束優化分析法(下).mp4
│ │ │ 05-無約束迭代法.mp4
│ │ │ 06-線性回歸求解.mp4
│ │ │ 07-案例分析.mp4
│ │ │ [第2門]AI Math_[第1章]優化迭代方法統一論(1).pdf
│ │ │ 
│ │ └─作業及答案.zip
│ │ 
│ └─02.第二章 深度學習反向傳播
│ │ 01-回歸與分類、神經網絡.mp4
│ │ 02-BP算法(上).mp4
│ │ 03-BP算法(下).mp4
│ │ 04-計算圖.mp4
│ │ [第2門]AI Math_[第2章]深度學習反向傳播.pdf
│ │ 
│ └─第二章 深度學習反向傳播作業_客觀題及答案.zip
│ 
├─03.第三階段：優化論進階
│ ├─01.第一章 凸優化基礎
│ │ 01-一般優化問題.mp4
│ │ 02-凸集和凸函數基礎(上).mp4
│ │ 03-凸集和凸函數基礎(下).mp4
│ │ 04-凸優化問題.mp4
│ │ 05-案例分析.mp4
│ │ [第3門]AI Math_[第1章]凸優化基礎.pdf
│ │ 
│ ├─02.第二章 凸優化進階之對偶理論
│ │ │ 01-凸優化問題.mp4
│ │ │ 02-對偶(上).mp4
│ │ │ 03-對偶(下).mp4
│ │ │ 04-問題案例.mp4
│ │ │ [第3門]AI Math_[第2章]凸優化進階之對偶理論.pdf
│ │ │ 
│ │ └─第二章 凸優化進階之對偶理論作業及答案.zip
│ │ 
│ ├─03.第二章 主觀題答案.zip
│ │ 
│ └─04.第三章 SVM
│ │ 01-問題案例.mp4
│ │ 02-SVM建模-成片.mp4
│ │ 03-SVM求解-成片.mp4
│ │ 04-SVM擴展-成片.mp4
│ │ [第3門]AI Math_[第3章]SVM.pdf
│ │ 
│ └─第三章 SVM作業.zip
│ 
├─04.第四階段：數據降維的藝術
│ ├─01.第一章節：矩陣分析上
│ │ 01-線性代數基礎與精華.mp4
│ │ 02-特征分解.mp4
│ │ 03-PCA.mp4
│ │ [第4門]AI Math_[第1章]矩陣分析上篇.pdf
│ │ 第四門_數據降維的藝術.rar
│ │ 
│ └─02.第二章節：矩陣分析下
│ │ 01-特征分解復習.mp4
│ │ 02-SVD理論.mp4
│ │ 03-矩陣其他重要知識及實際應用.mp4
│ │ [第4門]AI Math_[第2章]矩陣分析下篇.pdf
│ │ 
│ └─考核作業及答案.zip
│ 
├─05.第五階段：統計推斷的魅力
│ ├─01.第一章-概率統計上篇
│ │ │ 01-事件.mp4
│ │ │ 02-隨機變量及其數字特征.mp4
│ │ │ 03-人工智能中常見分布和實戰案例.mp4
│ │ │ [第5門]AI Math_[第1章]概率統計上篇.pdf
│ │ │ 
│ │ └─考核作業及答案.zip
│ │ 
│ ├─02.第二章-概率統計中篇
│ │ │ 01-數理統計.mp4
│ │ │ 02-線性回歸與邏輯回歸.mp4
│ │ │ 03-貝葉斯的觀點和案例實戰.mp4
│ │ │ [第5門]AI Math_[第2章]概率統計中篇.pdf
│ │ │ 
│ │ └─考核作業及答案.zip
│ │ 
│ └─03.第三章-概率統計下篇
│ │ 01-聚類、gmm模型.mp4
│ │ 02-em算法.mp4
│ │ [第5門]AI Math_[第3章]概率統計下篇.pdf
│ │ 
│ └─考核作業及答案.zip
│ 
└─【直播課】人工智能
├─章節1人工智能微專業系列直播
│ 從數學到AI神作：支撐向量機SVM.mp4
│ 
├─章節2機器學習
│ 帶你全方位走進AI世界.mp4
│ 報過很多課卻學不好AI？學習方法用對了嗎？.mp4
│ 敲開機器學習求職大門.mp4
│ 面試難過？帶你從企業使用方角度透視機器學習工程師.mp4
│ 
├─章節3深度學習
│ 春招想換工作？如何入門深度學習？.mp4
│ 深度學習之熱門招聘方向與求職攻略.mp4
│ 游戲終結者！如何用深度學習擊敗世界冠軍？.mp4
│ 
├─章節4自然語言處理
│ 20行代碼帶你實踐kaggle比賽.mp4
│ NLP應用場景實戰解析――電商用戶評論文本分類.mp4
│ 步入NLP領域，先建立全方位認知.mp4
│ 
└─章節5人工智能數學基礎
提高競爭力，AI高效學習方案.mp4
算法原理干貨：深入淺出理解EM算法.mp4