課程大綱：機器學習數學基礎培訓
課程將對機器學習所涉及的數學基礎知識進行講解和回顧，
包括微積分，線性代數，概率論，
以及統計學等，并使用 Python 完成實踐。
1 標量、向量與張量
2 Python 的廣播機制
3 矩陣的轉置
4 特征值分解和奇異值分解
5 函數
6 鏈式法則
7 小二乘法
8 全概率公式
9 概率分布
10 方差和協方差
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 導數與偏導數
16 梯度下降算法
17 條件概率公式
18 貝葉斯公式
19 數學期望
20 假設檢驗
1
線性代數
1.向量、標量和張量
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
葡萄酒數據可視化
1.特征分解
2.奇異值分解
3.主成分分析
2
微積分學
1.線性函數與非線性函數
2.導數與偏導數
3.鏈式法則
4.梯度下降算法
5.局部優和全局優
6.小二乘法
2
高爾夫球命中率
1.梯度下降算法
2.數據的標準化
3.高爾夫球的精確率預測
3
概率論和統計學
1.概率公式
2.隨機變量
3.概率分布
4.數學期望
5.方差、標準差和協方差
6.假設檢驗
3
糖尿病診斷預測
1.條件概率
2.貝葉斯推斷
3.正態分布函數
請
登錄
后發表評論
新評論
全部
第1節
第2節
第3節
第4節
第5節
第6節
第7節
第8節
第9節
第10節
第11節
第12節
第13節
第14節
第15節
第16節
第17節
我的報告 / 所有報告
加入高級會員獲得助教答疑
