你将学到的
  • 标量、向量与张量
  • Python 的广播机制
  • 矩阵的转置
  • 特征值分解和奇异值分解
  • 函数
  • 链式法则
  • 最小二乘法
  • 全概率公式
  • 概率分布
  • 方差和协方差
  • 矩阵加法和乘法
  • 单位矩阵
  • 矩阵的逆
  • 主成分分析法
  • 导数与偏导数
  • 梯度下降算法
  • 条件概率公式
  • 贝叶斯公式
  • 数学期望
  • 假设检验

知识点: 1.向量、标量和张量 2.矩阵运算 3.Python的广播机制 4.单位矩阵 5.矩阵的转置和逆 6.特征值分解和奇异值分解 7.主成分分析法

挑战 1 葡萄酒数据可视化

知识点: 1.特征分解 2.奇异值分解 3.主成分分析

知识点: 1.线性函数与非线性函数 2.导数与偏导数 3.链式法则 4.梯度下降算法 5.局部最优和全局最优 6.最小二乘法

挑战 2 高尔夫球命中率

知识点: 1.梯度下降算法 2.数据的标准化 3.高尔夫球的精确率预测

实验 3 概率论和统计学

知识点: 1.概率公式 2.随机变量 3.概率分布 4.数学期望 5.方差、标准差和协方差 6.假设检验

挑战 3 糖尿病诊断预测

知识点: 1.条件概率 2.贝叶斯推断 3.正态分布函数

课程介绍

机器学习的起源便来自数学,几乎每一种机器学习算法都会或多或少的使用到数学知识。因此,在学习机器学习之前,我们有必要先来复习一些相关的数学知识。本课程的主要目的就是系统的对机器学习中用到的数学知识进行阐述并用 Numpy 对其进行实现,进而避免同学们在正式开始学习机器学习时,对公式推导和代码实现一筹莫展。本课程包含内容如下:

img

先学课程

需要先了解基础的 Python 语法,推荐学习 Python3 简明教程

课程难度

  • 简单

适合人群

  • 本课程适用于准备入门机器学习,但是对基础数学知识有所遗忘的同学。以及那些对机器学习中的公式推导一筹莫展的同学。

课程信息

  • 学习周期:课程有效期 2 个月,2 个月后无法进行在线实验,但可查看文档内容。高级会员有效期内可一直学习,到期后课程失效,且无法查看文档。部分云主机实验环境因成本较高,存在开启次数限制。关于课程退款等相关注意事项说明,请阅读 用户付费协议
  • 版权说明:课程内容为实验楼原创或实验楼在原作者授权下制作。未经书面同意,擅自爬取、转载和再分发课程内容,均将受到严肃追责。
  • 企业团报:企业购买,请点击 企业用户咨询
课程教师

小强_同学 共发布过 5 门课程

查看老师的所有课程 >
实验楼楼+
实验楼会员
会员
开通会员,即刻开始学习
公众号
实验楼学习助手 实验楼订阅号