慕课网体系课-深入AI 大模型必修数学体系

📁 【阶段2：线性代数实战】第7周 数据处理方法与矩阵与图形变换
    📁 7-2 第2章 矩阵与图形变换
        7-2 第2章 矩阵与图形变换说明.png  [493.5 KB]
        7-2-11 矩阵图形变换的练习-2_ev.mp4  [32.1 MB]
        7-2-9 线性代数：总结_ev.mp4  [36.8 MB]
        7-2-6 倾斜_ev.mp4  [8.5 MB]
        7-2-3 剪切_ev.mp4  [7.4 MB]
        7-2-1 缩放_ev.mp4  [34.3 MB]
        7-2-5 组合变换_ev.mp4  [20.4 MB]
        7-2-2 旋转_ev.mp4  [8.2 MB]
        7-2-12 矩阵图形变换的练习-3_ev.mp4  [44.5 MB]
        7-2-10 矩阵图形变换的练习-1_ev.mp4  [41.9 MB]
        7-2-4 移动_ev.mp4  [19.2 MB]
        7-2-7 总结：这些变换在同一个矩阵中的位置_ev.mp4  [3.3 MB]
        7-2-8 Pillow库简介_ev.mp4  [6.5 MB]
    📁 7-1 第1章 数据处理方法
        7-1-5 常见数据处理方式练习-1_ev.mp4  [51.5 MB]
        7-1-3 数据的标准化_ev.mp4  [12.3 MB]
        7-1-2 数据的归一化_ev.mp4  [14.4 MB]
        7-1-4 模型的正则化_ev.mp4  [1.9 MB]
        7-1-6 常见数据处理方式练习-2_ev.mp4  [72.6 MB]
        7-1-1 正态分布，标准分布_ev.mp4  [40.0 MB]
📁 math_in_ai_for_programmer
    📁 week11
        📁 slides
            19_练习.pptx  [99.9 KB]
            19_实现一个分类神经网络.pptx  [61.0 KB]
        week11资料.zip  [1.8 MB]
        wine_classification.csv  [11.4 KB]
        19_练习.ipynb  [99.2 KB]
        19_实现一个分类神经网络.ipynb  [61.8 KB]
    📁 week20
        📁 slides
            33_大语言模型的数学原理.pptx  [920.4 KB]
        shuffled_novel.txt  [8.6 MB]
        33_大语言模型的数学原理.ipynb  [69.7 KB]
    📁 week16
        📁 slides
            26_练习.pptx  [104.4 KB]
            26_概率.pptx  [82.6 KB]
            27_离散概率分布.pptx  [94.9 KB]
            27_练习.pptx  [65.9 KB]
        27_离散概率分布.ipynb  [346.3 KB]
        26_概率.ipynb  [2.7 KB]
        26_练习.ipynb  [2.0 KB]
    📁 week6
        📁 slides
            10_实现矩阵类.pptx  [58.0 KB]
            09_numpy快速上手.pptx  [51.0 KB]
            09_练习.pptx  [62.0 KB]
            10_练习.pptx  [78.6 KB]
        10_练习.ipynb  [15.1 KB]
        09_练习.ipynb  [92.6 KB]
        10_实现矩阵类.ipynb  [13.4 KB]
        09_numpy快速上手.ipynb  [21.0 KB]
    📁 week5
        📁 slides
            08_练习.pptx  [72.3 KB]
            08_PCA分解.pptx  [77.7 KB]
        seeds_dataset.txt  [9.1 KB]
        palomino_horse.png  [41.1 KB]
        08_PCA分解.ipynb  [153.5 KB]
        08_练习.ipynb  [197.6 KB]
    📁 week15
        📁 slides
            24_SVM.pptx  [65.2 KB]
            24_练习.pptx  [78.6 KB]
            23_练习.pptx  [82.2 KB]
            23_偏导数矩阵.pptx  [64.1 KB]
        24_SVM.ipynb  [2.7 KB]
        23_偏导数矩阵.ipynb  [25.8 KB]
        24_练习.ipynb  [183.2 KB]
        23_练习.ipynb  [508.9 KB]
    📁 week14
        📁 slides
            22_练习.pptx  [72.5 KB]
            22_自动微分.pptx  [67.7 KB]
        22_练习.ipynb  [6.1 KB]
        22_自动微分.ipynb  [48.9 KB]
    📁 week18
        📁 slides
            30_最大似然估计.pptx  [55.0 KB]
            31_贝叶斯分类.pptx  [54.9 KB]
            30_练习.pptx  [54.6 KB]
            31_练习.pptx  [62.9 KB]
        30_练习.ipynb  [1.9 KB]
        31_贝叶斯分类.ipynb  [86.2 KB]
        31_练习.ipynb  [5.9 KB]
        30_最大似然估计.ipynb  [3.7 KB]
    📁 week7
        📁 slides
            11_练习.pptx  [54.5 KB]
            12_矩阵与图形变换.pptx  [60.6 KB]
            12_练习.pptx  [58.2 KB]
            11_常用的数据处理方法.pptx  [70.5 KB]
        11_常用的数据处理方法.ipynb  [162.3 KB]
        country_language.csv  [71.8 KB]
        12_矩阵与图形变换.ipynb  [1.6 MB]
        12_练习.ipynb  [135.6 KB]
        11_练习.ipynb  [926.4 KB]
        energy_data.csv  [4.6 KB]
    📁 week1
        📁 slides
            02_练习.pptx  [75.0 KB]
            01_练习.pptx  [102.8 KB]
            03_练习.pptx  [89.7 KB]
            03_标量向量矩阵张量.pptx  [147.2 KB]
            01_课程总览_matplotlib.pptx  [108.3 KB]
            02_线性代数简介.pptx  [88.5 KB]
        01_matplotlib.ipynb  [197.5 KB]
        02_线性代数简介.ipynb  [1.5 KB]
        03_标量向量矩阵张量.ipynb  [123.3 KB]
        03_练习.ipynb  [75.0 KB]
        01_练习.ipynb  [216.5 KB]
    📁 week2
        📁 slides
            05_矩阵分解总览.pptx  [70.5 KB]
            05_练习.pptx  [68.2 KB]
            04_矩阵运算.pptx  [72.8 KB]
            04_练习.pptx  [111.2 KB]
        05_练习.ipynb  [8.3 KB]
        04_矩阵运算.ipynb  [295.1 KB]
        04_练习.ipynb  [23.0 KB]
        05_矩阵分解总览.ipynb  [162.3 KB]
    📁 week10
        📁 slides
            18_积分.pptx  [59.2 KB]
            18_练习.pptx  [95.8 KB]
        18_积分.ipynb  [4.1 KB]
        18_练习.ipynb  [10.9 KB]
    📁 week8
        📁 slides
            15_微积分基础.pptx  [67.4 KB]
            14_练习.pptx  [54.5 KB]
            15_练习.pptx  [54.2 KB]
            14_微积分入门.pptx  [81.0 KB]
        14_微积分入门.ipynb  [995.3 KB]
        15_微积分基础.ipynb  [663.7 KB]
        15_练习.ipynb  [122.9 KB]
        14_练习.ipynb  [85.9 KB]
    📁 week9
        📁 slides
            16_练习.pptx  [62.3 KB]
            17_多元微积分.pptx  [111.1 KB]
            16_微积分之导数.pptx  [155.8 KB]
            17_练习.pptx  [58.2 KB]
        17_多元微积分.ipynb  [9.1 MB]
        16_微积分之导数.ipynb  [98.8 KB]
        16_练习.ipynb  [2.6 KB]
        17_练习.ipynb  [49.1 KB]
    📁 week4
        📁 slides
            07_练习.pptx  [67.7 KB]
            07_SVD分解.pptx  [81.9 KB]
        palomino_horse.png  [41.1 KB]
        07_练习.ipynb  [1.0 MB]
        Mall_Customers.csv  [3.9 KB]
        07_SVD分解.ipynb  [2.0 MB]
    📁 week3
        📁 slides
            06_特征值特征向量.pptx  [58.0 KB]
            06_练习.pptx  [72.4 KB]
        06_练习.ipynb  [189.5 KB]
        06_特征值特征向量.ipynb  [135.7 KB]
    📁 week19
        📁 slides
            32_贝叶斯线性回归.pptx  [55.0 KB]
            32_练习.pptx  [99.9 KB]
        32_练习.ipynb  [192.6 KB]
        32_贝叶斯线性回归.ipynb  [216.1 KB]
    📁 week13
        📁 slides
            21_神经网络梯度问题.pptx  [91.8 KB]
            21_练习.pptx  [62.0 KB]
        21_练习.ipynb  [123.1 KB]
        21_神经网络梯度问题.ipynb  [367.4 KB]
    📁 week12
        📁 slides
            20_ROC_AUC.pptx  [87.3 KB]
            20_练习.pptx  [62.2 KB]
        20_ROC_AUC.ipynb  [4.9 KB]
        20_练习.ipynb  [28.3 KB]
    📁 week17
        📁 slides
            29_练习.pptx  [54.6 KB]
            29_概率密度估计.pptx  [55.0 KB]
            28_连续概率分布.pptx  [55.1 KB]
            28_练习.pptx  [66.1 KB]
        28_连续概率分布.ipynb  [332.8 KB]
        29_概率密度估计.ipynb  [240.5 KB]
        29_练习.ipynb  [64.8 KB]
        28_练习.ipynb  [26.4 KB]
    LICENSE  [1.1 KB]
    README.md  [125.0 B]
📁 【阶段2：线性代数实战】第6周 Numpy快速上手，用Python实现矩阵
    📁 6-1 第1章 Numpy学习入门
        6-1 第1章 Numpy学习入门说明.zip  [1.8 MB]
        6-1-7 算数运算，矩阵操作_ev.mp4  [10.5 MB]
        6-1-3 Numpy的复制和视图，布尔数组索引_ev.mp4  [19.3 MB]
        6-1-5 连接数组concatenate, stack, hstack, vstack, dstack_ev.mp4  [23.7 MB]
        6-1-11 Numpy相关知识点练习-3_ev.mp4  [64.0 MB]
        6-1-6 Numpy的广播机制_ev.mp4  [27.8 MB]
        6-1-4 维度和形状，遍历数组_ev.mp4  [7.6 MB]
        6-1-9 Numpy相关知识点练习-1_ev.mp4  [62.2 MB]
        6-1-1 Numpy介绍_ev.mp4  [5.1 MB]
        6-1-2 数组的创建，索引，切片_ev.mp4  [39.2 MB]
        6-1-8 算数运算，矩阵操作_ev.mp4  [11.7 MB]
        6-1-10 Numpy相关知识点练习-2_ev.mp4  [53.3 MB]
    📁 6-2 第2章 用Python实现矩阵
        6-2-3 重载加减乘除运算符_ev.mp4  [23.0 MB]
        6-2-5 实现矩阵的转置_ev.mp4  [5.6 MB]
        6-2-10 Python实现一个矩阵类的练习-3_ev.mp4  [53.0 MB]
        6-2-8 Python实现一个矩阵类的练习-1_ev.mp4  [57.5 MB]
        6-2-4 实现矩阵的点积运算_ev.mp4  [14.2 MB]
        6-2-7 实现高斯消元法求矩阵的列_ev.mp4  [51.2 MB]
        6-2-9 Python实现一个矩阵类的练习-2_ev.mp4  [67.3 MB]
        6-2-6 实现递归求矩阵的行列式_ev.mp4  [26.2 MB]
        6-2-1 矩阵类简介_ev.mp4  [11.1 MB]
        6-2-2 重载类的字符串表达_ev.mp4  [8.8 MB]
📁 【阶段5：概率论：应对现实世界中不确定性、神经网络的理论基础】第17周 连续概率分布与概率密度估计
    📁 17-2 第2章 连续概率分布-习题解析
        17-2 第2章 连续概率分布-习题解析必看.png  [493.5 KB]
        17-2-1 练习：连续概率分布-1_ev.mp4  [45.3 MB]
        17-2-4 练习：连续概率分布-4_ev.mp4  [22.4 MB]
        17-2-2 练习：连续概率分布-2_ev.mp4  [22.0 MB]
        17-2-3 练习：连续概率分布-3_ev.mp4  [23.2 MB]
    📁 17-4 第4章 概率密度估计-习题解析
        17-4-2 练习：概率密度估计-2_ev.mp4  [43.4 MB]
        17-4-1 练习：概率密度估计-1_ev.mp4  [32.9 MB]
    📁 17-1 第1章 连续概率分布
        17-1-3 指数分布_ev.mp4  [7.0 MB]
        17-1-5 帕累托分布，二八定律_ev.mp4  [9.7 MB]
        17-1-4 泊松分布_ev.mp4  [5.7 MB]
        17-1-2 正态分布以及中心极限定理_ev.mp4  [27.3 MB]
        17-1-1 连续概率分布的直观理解，在机器学习中的作用，校准度和锐度_ev.mp4  [14.7 MB]
        17-1-6 常见的统计量：均值，中位数，众数_ev.mp4  [17.4 MB]
    📁 17-3 第3章 概率密度估计
        17-3-1 概率密度估计的直观理解_ev.mp4  [3.1 MB]
        17-3-4 参数密度估计方法_ev.mp4  [13.8 MB]
        17-3-6 代码调用核密度估计_ev.mp4  [7.5 MB]
        17-3-7 用MISE平均积分平方误差方法评估密度估计的效果_ev.mp4  [16.7 MB]
        17-3-3 用直方图总结密度_ev.mp4  [2.8 MB]
        17-3-5 核密度估计的直观理解_ev.mp4  [15.9 MB]
        17-3-2 直方图与matplotlib_ev.mp4  [28.2 MB]
📁 【阶段3：微积分：研究数据变化的规律与模型优化】第10周 积分基础
    📁 10-1 第1章 积分基础
        10-1-9 练习：积分基础-2_ev.mp4  [37.1 MB]
        10-1-5 用scipy数值计算积分_ev.mp4  [19.9 MB]
        10-1-7 积分的一个应用：概率累积分布_ev.mp4  [1.1 MB]
        10-1-10 练习：积分基础-3_ev.mp4  [34.3 MB]
        10-1-2 不定积分与定积分_ev.mp4  [7.1 MB]
        10-1-1 积分的直观理解_ev.mp4  [12.0 MB]
        10-1-8 练习：积分基础-1_ev.mp4  [54.9 MB]
        10-1-6 用Sympy解析计算积分_ev.mp4  [6.2 MB]
        10-1-4 从不定积分计算定积分_ev.mp4  [5.8 MB]
        10-1-3 积分的性质_ev.mp4  [19.0 MB]
📁 【阶段4：微积分实战和进阶】第14周 神经网络自动微分
    📁 14-2 第2章 神经网络自动微分-习题精讲与强化练习
        14-2-3 练习：实现自动微分功能-3_ev.mp4  [25.3 MB]
        14-2-1 练习：实现自动微分功能-1_ev.mp4  [30.2 MB]
        14-2-2 练习：实现自动微分功能-2_ev.mp4  [24.1 MB]
    📁 14-1 第1章 神经网络自动微分
        14-1-1 为什么要用自动微分_ev.mp4  [13.8 MB]
        14-1-5 将实现的自动微分应用到神经网络中_ev.mp4  [21.6 MB]
        14-1-4 代码实现softmax + 交叉熵的自动微分_ev.mp4  [20.3 MB]
        14-1-6 pytorch和它的自动微分工具：autograd_ev.mp4  [11.2 MB]
        14-1-2 自动微分的原理：计算图，前向传导_ev.mp4  [22.0 MB]
        14-1-3 自动微分之后向传导_ev.mp4  [16.5 MB]
📁 【阶段4：微积分实战和进阶】第15周 偏导数与模型优化与支持向量机SVM
    📁 15-1 第1章 偏导数与模型优化
        15-1-2 雅可比矩阵_ev.mp4  [6.5 MB]
        15-1-7 拉普拉斯算子_ev.mp4  [5.6 MB]
        15-1-6 牛顿法优化器_ev.mp4  [9.7 MB]
        15-1-3 理解神经网络里面的偏导数_ev.mp4  [44.1 MB]
        15-1-1 偏导数的链式法则_ev.mp4  [10.9 MB]
        15-1-4 实现一个神经网络_ev.mp4  [41.6 MB]
        15-1-5 黑塞矩阵_ev.mp4  [6.2 MB]
    📁 15-3 第3章 支持向量机SVM
        15-3-5 SVM的Hinge Loss损失函数_ev.mp4  [11.1 MB]
        15-3-7 SVM的多项式核函数_ev.mp4  [3.6 MB]
        15-3-6 用高维的眼光看数据 – SVM核函数的直观理解_ev.mp4  [7.9 MB]
        15-3-2 SVM的超平面_ev.mp4  [7.0 MB]
        15-3-8 SVM的RBF核函数_ev.mp4  [10.4 MB]
        15-3-9 sklearn调用SVM解决分类问题_ev.mp4  [11.4 MB]
        15-3-1 支持向量机SVM：间隔最大化的数学魔法_ev.mp4  [4.2 MB]
        15-3-4 SVM最大化间隔_ev.mp4  [25.2 MB]
        15-3-3 超平面硬间隔，软间隔_ev.mp4  [2.9 MB]
    📁 15-2 第2章 偏导数习题精讲与实践
        15-2-1 偏导数练习-1_ev.mp4  [49.0 MB]
        15-2-2 偏导数练习-2_ev.mp4  [48.3 MB]
    📁 15-4 第4章 支持向量机SVM：间隔最大化的数学魔法
        15-4-1 练习：SVM支持向量机_ev.mp4  [54.4 MB]
📁 【阶段4：微积分实战和进阶】第12周 ROC曲线与分类性能评估
    📁 12-1 第1章 ROC曲线与分类性能评估
        12-1-8 分类问题与ROC练习-1_ev.mp4  [65.4 MB]
        12-1-6 接收在操作曲线ROC曲线的定义，直观理解_ev.mp4  [14.6 MB]
        12-1-5 准确率、召回率、假正例率、精确率_ev.mp4  [6.1 MB]
        12-1-1 分类 vs 回归_ev.mp4  [6.0 MB]
        12-1-4 用sklearn生成混淆矩阵，生成混淆矩阵图_ev.mp4  [16.2 MB]
        12-1-2 用概率描述预测的类别，阈值选择的问题_ev.mp4  [6.7 MB]
        12-1-9 分类问题与ROC练习-2_ev.mp4  [44.4 MB]
        12-1-7 代码演示ROC AUC曲线下面积定量评估模型预测的效果_ev.mp4  [37.8 MB]
        12-1-10 分类问题与ROC练习-3_ev.mp4  [40.7 MB]
        12-1-3 混淆矩阵_ev.mp4  [3.0 MB]
📁 【阶段1：线性代数：批量数据规律的研究】第3周 特征分解
    📁 3-1 第1章 特征分解
        3-1-2 代码调用_ev.mp4  [13.0 MB]
        3-1-7 特征分解的练习-2_ev.mp4  [29.3 MB]
        3-1-5 特征分解的一些性质_ev.mp4  [4.7 MB]
        3-1-9 特征分解的练习-4_ev.mp4  [30.3 MB]
        3-1-3 特征分解的直观理解_ev.mp4  [59.3 MB]
        3-1-4 手工进行特征分解_ev.mp4  [44.4 MB]
        3-1-1 特征分解的定义_ev.mp4  [16.2 MB]
        3-1-6 特征分解的练习-1_ev.mp4  [35.1 MB]
        3-1-8 特征分解的练习-3_ev.mp4  [46.1 MB]
📁 【阶段6：综合实战、总结】第20周 LLM大语言模型的实现：深入大语言模型的核心数学原理
    📁 20-1 第1章 LLM大语言模型的实现和背后的数学原理
        20-1-4 LLM核心组件1：词嵌入、注意力机制与深度网络优化技术‌（下）_ev.mp4  [67.3 MB]
        20-1-2 LLM核心组件1：词嵌入、注意力机制与深度网络优化技术‌（上）‌_ev.mp4  [67.0 MB]
        20-1-1 大语言模型概括：从理论架构到训练实践‌_ev.mp4  [40.4 MB]
        20-1-5 LLM核心组件2：位置编码与输出层设计原理‌_ev.mp4  [30.7 MB]
        20-1-3 LLM核心组件1：词嵌入、注意力机制与深度网络优化技术‌（中）_ev.mp4  [85.7 MB]
        20-1-6 LLM的实现与训练：代码实现、损失函数与优化器调参指南_ev.mp4  [67.5 MB]
    📁 20-2 第2章 数学面试题讲解
        20-2-2 人工智能岗位数学基础面试题讲解（下）_ev.mp4  [36.9 MB]
        20-2-1 人工智能岗位数学基础面试题讲解（上）_ev.mp4  [52.0 MB]
📁 【阶段1：线性代数：批量数据规律的研究】第4周 奇异值分解SVD
    📁 4-1 第1章 奇异值分解SVD
        4-1-1 奇异值SVD分解的定义_ev.mp4  [5.4 MB]
        4-1-10 奇异值分解SVD练习-4_ev.mp4  [34.6 MB]
        4-1-3 奇异值SVD分解的直观解释，它的特点_ev.mp4  [25.9 MB]
        4-1-4 奇异值SVD分解的作用_ev.mp4  [21.0 MB]
        4-1-7 奇异值分解SVD练习-1_ev.mp4  [34.2 MB]
        4-1-6 伪逆与奇异值SVD分解_ev.mp4  [35.0 MB]
        4-1-11 奇异值分解SVD练习-5_ev.mp4  [52.3 MB]
        4-1-9 奇异值分解SVD练习-3_ev.mp4  [31.6 MB]
        4-1-5 奇异值SVD分解与特征值分解的关系以及如何求解_ev.mp4  [29.0 MB]
        4-1-8 奇异值分解SVD练习-2_ev.mp4  [43.9 MB]
        4-1-2 奇异值SVD分解的代码调用_ev.mp4  [9.1 MB]
📁 【阶段1：线性代数：批量数据规律的研究】第5周 主成分分析PCA
    📁 5-1 第1章 主成分分析PCA
        5-1-7 PCA主成分分析的练习-2_ev.mp4  [34.8 MB]
        5-1-5 PCA主成分分析的应用_ev.mp4  [6.8 MB]
        5-1-6 PCA主成分分析的练习-1_ev.mp4  [28.4 MB]
        5-1-3 PCA的分解过程_ev.mp4  [19.8 MB]
        5-1-8 PCA主成分分析的练习-3_ev.mp4  [46.0 MB]
        5-1-2 找到数据背后的隐藏关联－－协方差矩阵_ev.mp4  [51.6 MB]
        5-1-9 PCA主成分分析的练习-4_ev.mp4  [58.0 MB]
        5-1-1 主成分分析的直观理解_ev.mp4  [28.4 MB]
        5-1-4 PCA主成分分析与SVD奇异值分解的关系_ev.mp4  [13.1 MB]
        5-1-10 PCA主成分分析的练习-5_ev.mp4  [28.7 MB]
📁 【阶段5：概率论：应对现实世界中不确定性、神经网络的理论基础】第18周 最大似然估计，贝叶斯概率
    📁 18-4 第4章 练习：贝叶斯概率
        18-4-1 练习：贝叶斯概率-1_ev.mp4  [21.3 MB]
        18-4-5 练习：贝叶斯概率-5_ev.mp4  [25.4 MB]
        18-4-2 练习：贝叶斯概率-2_ev.mp4  [21.9 MB]
        18-4-4 练习：贝叶斯概率-4_ev.mp4  [25.9 MB]
        18-4-3 练习：贝叶斯概率-3_ev.mp4  [37.1 MB]
    📁 18-1 第1章 最大似然估计
        18-1-3 最大似然估计逻辑回归原理_ev.mp4  [28.8 MB]
        18-1-5 神经网络就是最大似然估计_ev.mp4  [4.4 MB]
        18-1-4 实现最大似然估计逻辑回归代码_ev.mp4  [13.6 MB]
        18-1-1 什么叫似然，最大似然_ev.mp4  [9.5 MB]
        18-1-2 正态分布的最大似然函数_ev.mp4  [41.1 MB]
    📁 18-2 第2章 贝叶斯概率
        18-2-1 贝叶斯定理：直观理解，证明，例子_ev.mp4  [14.7 MB]
        18-2-4 朴素贝叶斯分类器_ev.mp4  [12.5 MB]
        18-2-5 高斯朴素贝叶斯分类器的直观理解_ev.mp4  [7.9 MB]
        18-2-2 贝叶斯定理的变形，例子_ev.mp4  [13.0 MB]
        18-2-3 贝叶斯分类器的直观理解_ev.mp4  [25.0 MB]
    📁 18-3 第3章 练习：最大似然估计
        18-3-1 练习：最大似然估计_ev.mp4  [48.6 MB]
📁 【阶段4：微积分实战和进阶】第11周 用微积分知识实现一个神经网络
    📁 11-1 第1章 用微积分知识实现一个神经网络
        11-1-5 损失函数：交叉熵 cross-entropy_ev.mp4  [8.5 MB]
        11-1-2 神经网络结构_ev.mp4  [11.9 MB]
        11-1-13 练习：实现分类神经网络-5_ev.mp4  [19.2 MB]
        11-1-8 分类神经网络代码分析_ev.mp4  [31.6 MB]
        11-1-11 练习：实现分类神经网络-3_ev.mp4  [40.5 MB]
        11-1-12 练习：实现分类神经网络-4_ev.mp4  [38.0 MB]
        11-1-10 练习：实现分类神经网络-2_ev.mp4  [27.1 MB]
        11-1-6 softmax-cross-entropy的偏导数_ev.mp4  [12.7 MB]
        11-1-4 激活函数：softmax_ev.mp4  [9.6 MB]
        11-1-9 练习：实现分类神经网络-1_ev.mp4  [30.1 MB]
        11-1-1 回归问题与分类问题_ev.mp4  [2.1 MB]
        11-1-3 激活函数：sigmoid_ev.mp4  [3.9 MB]
        11-1-7 训练数据处理，标准化_ev.mp4  [38.5 MB]
📁 【阶段5：概率论：应对现实世界中不确定性、神经网络的理论基础】第16周 概率基础与离散概率分布
    📁 16-2 第2章 概率基础练习解析
        16-2-2 概率入门练习-2_ev.mp4  [18.3 MB]
        16-2-1 概率入门练习-1_ev.mp4  [32.8 MB]
    📁 16-3 第3章 离散概率分布
        16-3-4 伯努利分布_ev.mp4  [3.4 MB]
        16-3-3 离散概率分布和连续概率分布，PMF，PDF，CDF_ev.mp4  [5.2 MB]
        16-3-1 离散概率与机器分类问题_ev.mp4  [5.6 MB]
        16-3-5 二项分布_ev.mp4  [23.0 MB]
        16-3-6 多项伯努利分布_ev.mp4  [1.6 MB]
        16-3-2 随机变量，定义，期望值，方差，标准差_ev.mp4  [14.1 MB]
        16-3-7 多项分布_ev.mp4  [25.5 MB]
    📁 16-1 第1章 概率基础
        16-1-1 机器学习中的不确定性_ev.mp4  [6.2 MB]
        16-1-2 概率的直观理解，几个概率的概念_ev.mp4  [2.4 MB]
        16-1-3 两种概率学派：频率篇与贝叶斯派_ev.mp4  [4.9 MB]
        16-1-4 随机变量的直观理解_ev.mp4  [4.1 MB]
        16-1-6 概率论中经典有趣的例子_ev.mp4  [48.9 MB]
        16-1-5 多随机变量：联合概率，边际概率，条件概率，独立性_ev.mp4  [30.0 MB]
    📁 16-4 第4章 离散概率分布-练习解析
        16-4-2 练习：离散概率分布-2_ev.mp4  [17.2 MB]
        16-4-1 练习：离散概率分布-1_ev.mp4  [24.9 MB]
📁 【阶段3：微积分：研究数据变化的规律与模型优化】第8周 微积分入门，微积分核心基础
    📁 8-2 第2章 微积分核心基础
        8-2-13 微积分基础知识练习-3_ev.mp4  [32.1 MB]
        8-2-6 复合函数的极限_ev.mp4  [5.4 MB]
        8-2-1 函数的连续性的直观理解_ev.mp4  [10.2 MB]
        8-2-3 常用函数的极限_ev.mp4  [16.8 MB]
        8-2-7 有理化求极限_ev.mp4  [3.4 MB]
        8-2-12 微积分基础知识练习-2_ev.mp4  [45.0 MB]
        8-2-10 符号计算库sympy简介_ev.mp4  [20.5 MB]
        8-2-9 代码中研究函数的导数_ev.mp4  [12.4 MB]
        8-2-5 极限的运算规则_ev.mp4  [6.4 MB]
        8-2-4 用sympy表示常用函数的极限_ev.mp4  [19.3 MB]
        8-2-8 导数的直观理解_ev.mp4  [6.4 MB]
        8-2-2 极限的直观理解_ev.mp4  [10.8 MB]
        8-2-11 微积分基础知识练习-1_ev.mp4  [12.5 MB]
    📁 8-1 第1章 微积分入门
        8-1-1 前言_ev.mp4  [7.1 MB]
        8-1-2 斜率，切线，极限，导数，穷竭法，曲线下面积 -- 微积分的直观理解_ev.mp4  [61.6 MB]
        8-1-4 微积分在人工智能中的用处_ev.mp4  [4.6 MB]
        8-1-6 练习：理解极限-2_ev.mp4  [53.9 MB]
        8-1-5 练习：理解极限-1_ev.mp4  [42.3 MB]
        8-1-3 微积分的历史_ev.mp4  [3.3 MB]
📁 【阶段1：线性代数：批量数据规律的研究】第1周 线性代数入门：由来、与人工智能的关系
    📁 1-1 第1章 线性代数入门：由来、与人工智能的关系
        1-1-1 程序员的AI必备数学体系课-课程简介_ev.mp4  [40.7 MB]
        1-1-8 线性代数在机器学习中的实践_ev.mp4  [31.0 MB]
        1-1-7 线性代数的作用，与人工智能的关系_ev.mp4  [31.6 MB]
        1-1-4 Matplotlib练习-1_ev.mp4  [47.6 MB]
        1-1-11 线性代数入门练习-2_ev.mp4  [39.2 MB]
        1-1-10 线性代数入门练习-1_ev.mp4  [49.8 MB]
        1-1-3 Matplotlib快速上手_ev.mp4  [33.0 MB]
        1-1-2 准备编程环境_ev.mp4  [8.3 MB]
        1-1-6 线性代数：从线性方程中来_ev.mp4  [29.8 MB]
        1-1-9 常用科学计算，机器学习库的介绍和对比_ev.mp4  [9.8 MB]
        1-1-5 Matplotlib练习-2_ev.mp4  [49.3 MB]
    📁 1-2 第2章 线性代数核心概念-走进矩阵
        1-2-6 矩阵的类型_ev.mp4  [18.4 MB]
        1-2-8 矩阵基础练习-2_ev.mp4  [34.4 MB]
        1-2-9 矩阵基础练习-3_ev.mp4  [42.8 MB]
        1-2-3 向量点积，叉积_ev.mp4  [29.1 MB]
        1-2-1 标量、向量、矩阵、张量_ev.mp4  [11.5 MB]
        1-2-5 矩阵的加减乘除_ev.mp4  [17.1 MB]
        1-2-2 向量的加减乘除_ev.mp4  [19.7 MB]
        1-2-7 矩阵基础练习-1_ev.mp4  [24.3 MB]
        1-2-4 向量的范数，类型_ev.mp4  [27.5 MB]
        1-2-10 矩阵基础练习-4_ev.mp4  [33.2 MB]
📁 【阶段5：概率论：应对现实世界中不确定性、神经网络的理论基础】第19周 贝叶斯回归
    📁 19-1 第1章 贝叶斯回归
        19-1-1 贝叶斯回归，用概率的眼光和工具来重新认识回归问题_ev.mp4  [13.1 MB]
        19-1-3 贝叶斯回归的代码实现_ev.mp4  [36.5 MB]
        19-1-7 概率与统计总结_ev.mp4  [38.5 MB]
        19-1-6 练习：贝叶斯回归（下）_ev.mp4  [54.8 MB]
        19-1-8 人工智能数学基础课程总结_ev.mp4  [9.4 MB]
        19-1-2 详解贝叶斯回归_ev.mp4  [22.9 MB]
        19-1-4 正则化与贝叶斯回归_ev.mp4  [12.9 MB]
        19-1-5 练习：贝叶斯回归（上）_ev.mp4  [38.0 MB]
📁 【阶段3：微积分：研究数据变化的规律与模型优化】第9周 微积分进阶与多元微积分
    📁 9-1 第1章 微积分进阶
        9-1-4 不定式和洛必达法则_ev.mp4  [22.7 MB]
        9-1-9 微积分进阶的练习-3_ev.mp4  [32.1 MB]
        9-1-7 微积分进阶的练习-1_ev.mp4  [44.3 MB]
        9-1-1 导数公式_ev.mp4  [30.8 MB]
        9-1-2 导数规则_ev.mp4  [4.7 MB]
        9-1-3 高阶导数_ev.mp4  [10.5 MB]
        9-1-6 链式法则在神经网络中的作用_ev.mp4  [41.9 MB]
        9-1-5 复合函数与链式法则_ev.mp4  [10.4 MB]
        9-1-8 微积分进阶的练习-2_ev.mp4  [36.1 MB]
    📁 9-2 第2章 多元微积分
        9-2-1 多元微积分_ev.mp4  [4.4 MB]
        9-2-7 高阶偏导数与模型优化_ev.mp4  [12.6 MB]
        9-2-4 梯度向量_ev.mp4  [14.0 MB]
        9-2-6 偏导数和梯度下降-2_ev.mp4  [48.9 MB]
        9-2-3 偏导数规则_ev.mp4  [9.7 MB]
        9-2-8 高阶偏导数的练习-1_ev.mp4  [46.2 MB]
        9-2-9 高阶偏导数的练习-2_ev.mp4  [52.6 MB]
        9-2-10 高阶偏导数的练习-3_ev.mp4  [54.8 MB]
        9-2-5 偏导数和梯度下降-1_ev.mp4  [33.2 MB]
        9-2-2 偏导数_ev.mp4  [6.8 MB]
📁 【阶段4：微积分实战和进阶】第13周 神经网络梯度问题
    📁 13-1 第1章 神经网络梯度问题
        13-1 第1章 神经网络梯度问题说明.png  [493.5 KB]
        13-1-9 应对过拟合与欠拟合的技术：dropout_ev.mp4  [2.5 MB]
        13-1-2 分析神经网络梯度消失的原因_ev.mp4  [9.8 MB]
        13-1-1 神经网络的梯度消失问题，代码复现梯度消失_ev.mp4  [24.7 MB]
        13-1-3 ReLU激活函数和其它办法来应对梯度消失问题_ev.mp4  [16.3 MB]
        13-1-8 L1正则化和L2正则化技术的直观理解_ev.mp4  [14.6 MB]
        13-1-6 代码演示一个梯度爆炸问题的应对方式：梯度缩放和梯度剪裁_ev.mp4  [15.6 MB]
        13-1-7 神经网络过拟合与欠拟合以及成因_ev.mp4  [14.1 MB]
        13-1-4 深入研究RELU和它的变形_ev.mp4  [11.7 MB]
        13-1-5 神经网络的梯度爆炸问题以及成因_ev.mp4  [12.3 MB]
    📁 13-2 第2章 神经网络梯度问题-习题讲解与强化练习
        13-2-3 神经网络梯度问题练习-3_ev.mp4  [33.2 MB]
        13-2-2 神经网络梯度问题练习-2_ev.mp4  [42.0 MB]
        13-2-1 神经网络梯度问题练习-1_ev.mp4  [26.2 MB]
📁 【阶段1：线性代数：批量数据规律的研究】第2周 矩阵进阶运算与矩阵分解
    📁 2-1 第1章 矩阵进阶运算
        2-1-2 矩阵的行列式_ev.mp4  [42.1 MB]
        2-1-4 稀疏矩阵_ev.mp4  [16.3 MB]
        2-1-7 矩阵进阶运算的练习-2_ev.mp4  [48.2 MB]
        2-1-3 矩阵的行列式_ev.mp4  [36.1 MB]
        2-1-6 矩阵进阶运算的练习-1_ev.mp4  [33.8 MB]
        2-1-1 矩阵运算：转置，逆，迹，秩_ev.mp4  [61.0 MB]
        2-1-5 张量_ev.mp4  [17.1 MB]
    📁 2-2 第2章 矩阵分解
        2-2-3 矩阵的QR分解_ev.mp4  [33.1 MB]
        2-2-1 矩阵分解介绍_ev.mp4  [4.8 MB]
        2-2-8 矩阵分解练习-4_ev.mp4  [21.0 MB]
        2-2-2 矩阵的LU分解_ev.mp4  [38.4 MB]
        2-2-7 矩阵分解练习-3_ev.mp4  [43.9 MB]
        2-2-5 矩阵分解练习-1_ev.mp4  [31.1 MB]
        2-2-4 Cholesky乔里斯基分解_ev.mp4  [11.0 MB]
        2-2-6 矩阵分解练习-2_ev.mp4  [33.7 MB]