課程目錄：
01ai數學基石
第1章 高等數學
1.1 導數和偏導數
1.2 梯度向量
1.3 極值定理
1.4 jacobbi矩陣
1.5 hessian矩陣
1.6 泰勒展開公式
1.7 拉格朗日乘數法
第2章 線性代數
2.1 向量及其運算
2.2 範數
2.3 矩陣及其運算
2.4 逆矩陣
2.5 二次型
2.6 矩陣的正定性
2.7 矩陣的特徵值與特徵向量
2.8 矩陣的奇異值分解
第3章 概率論
3.1 概率、隨機事件和隨機變數
3.2 條件概率與貝葉斯公式
3.3 常用的概率分布
3.4 隨機變數的均值和方差、協方差
3.5 最大似然估計
第4章 最優化
4.1 凸集、凸函式
4.2 凸優化問題的標準形式
4.3 線性規劃問題
02優化論初步
第一章 優化迭代法統一論
1.0 本微專業概述
1.1 線性回歸建模
1.2 無約束優化梯度分析法（上）
1.3 無約束優化梯度分析法（下）
1.4 無約束迭代法
1.5 線性回歸求解
1.6 案例分析
第二章 深度學習反向傳播
2.1 回歸與分類、神經網路
2.2 bp演算法（上）
2.3 bp演算法（下）
2.4 計算圖
03優化論高階
第一章 凸優化基礎
1.1 一般優化問題
1.2 凸集和凸函式基礎（上）
1.3 凸集和凸函式基礎（下）
1.4 凸優化問題
1.5 案例分析
第二章 凸優化高階之對偶理論
2.1 凸優化問題
2.2 對偶（上）
2.3 對偶（下）
2.4 問題案例
第三章 svm
3.1 問題案例
3.2 svm 建模
3.3 svm 求解
3.4 svm 擴充套件，附案例
A 人工智慧 數學基礎
a.數學基礎 線性代數 基本概念 標量向量 矩陣範數 l1 向量絕對值之和 l2 向量的長度 lp p趨於無窮 向量中最大元素的取值 內積兩個向量之間的相對位置 余弦相似度 線性空間 內積空間 內積空間 正交基 標準正交基 特徵值和特徵向量 矩陣特徵值和特徵向量的動態意義在於表示了變化的速度和方向。...
人工智慧數學基礎 矩陣
人工智慧數學基礎系列文章 今天覆習矩陣，作為程式設計師，矩陣在程式中的應用想必或多或少都接觸過，特別是在影象變化演算法上的應用。1.定義 以上是乙個三元一次方程組，根據矩陣的 定義，有矩陣a如下圖 2.矩陣的運算 2.1.矩陣的加法 從上圖中我們可以看出，矩陣a和矩陣b相加，它們都是2 x 2的矩陣...
人工智慧之數學基礎
線性代數不僅僅是人工智慧的基礎，更是現代數學和以現代數學作為主要分析方法的眾多學科的基礎。從量子力學到影象處理都離不開向量和矩陣的使用。每個向量都由若干標量構成，如果將向量的所有標量都替換成相同規格的向量，得到的就是矩陣 matrix 相對於向量，矩陣同樣代表了維度的增加，矩陣中的每個元素需要使用兩...