人工智能之数学基础：微积分、线性代数、概率论
http://edu.cda.cn/course/2255


课程介绍
一、课程背景

在人工智能领域，无论是机器人、语音识别，还是图像识别、自然语言处理都离不开数学。因为人工智能的核心是算法，而算法的基础就是数学。所以说，数学功底才是码农们转型人工智能无论如何都是绕不开的门槛，传统程序员要想转战AI，任何绕过数学的想法都是鸵鸟策略。

微积分，线性代数，概率论在机器学习几乎所有算法中不可或缺。如果你数学不是那么扎实，大学学的数学知识都还给老师了（大部分同学都是如此），那么重新温习一下这些重要概念也不错。

美女讲师Yuki，带你轻松愉快的学习让很多人头疼的数学知识，让你发现数学原来如此有趣。

二、学习目标

1、了解人工智能数学基础必学内容。

2、学会机器学习算法涉及到的微积分、线性代数、概率论等内容。

三、课程对象
机器学习算法工程师、人工智能产品经理、数据分析师

四、课程时间

1-2天（6小时）

五、授课形式

在线视频

六、课程纲要

第一章：微积分：函数、极限与连续、微分、定积分、不定积分

第二章：线性代数：向量和矩阵、逆、矩阵的特征、计算机计算


第三章：概率论：概率分布、描述性统计、假设检验、方差分析

目录
课时 1 : 前言：课程介绍
20:33
第1章: 微积分
课时 2 : 1.1 可以量化的世界
44:10
课时 3 : 1.2 问题的起源
40:39
课时 4 : 1.3 无穷的力量
36:30
课时 5 : 1.4 以少为美
44:16
课时 6 : 1.5 局部与整体
24:29
课时 7 : 微积分作业
第2章: 线性代数
课时 8 : 2.1 现实世界的想象
17:55
课时 9 : 2.2 空间语言与立体感知：向量与矩阵
17:24
课时 10 : 2.3 追本溯源：问题与逆问题
15:43
课时 11 : 2.4 稳定很重要：矩阵的特征
13:41
课时 12 : 2.5 与机器沟通：计算机中的线性代数计算
11:22
课时 13 : 线性代数作业
第3章: 概率论与数理统计
课时 14 : 3.1 概率的意义
39:49
课时 15 : 3.2 抽象的现实：概率的分布与应用
42:53
课时 16 : 3.3 第一印象：描述性统计
25:37
课时 17 : 3.4 拒绝主观：假设与检验
18:46
课时 18 : 3.5 可以量化的差异：方差分析
27:04
课时 19 : 3.6 统计也会犯错误
课时 20 : 概率论作业