[老汤-人工智能]机器学习一之数学基础

本课程学习机器学习需要的两个数学基础知识：微积分、线性代数

微积分基础包括：

1、无穷和极限

2、导数

3、可导函数求导

4、复合函数求导

5、偏导数

6、函数极值点求解

线性代数主要讲解了机器学习需要的矩阵知识，包括：

1、矩阵以及特殊矩阵

2、矩阵运算

3、矩阵转置

4、行列式和逆矩阵

5、初等变换

6、矩阵的秩

7、特征值和特征向量

8、最小二乘法

9、矩阵分解

10、梯度下降法

【老汤人工智能】机器学习课程体系分为三部分：

机器学习一之数学基础(https://edu.51cto.com/course/14792.html)：从微积分和线性代数两个方面讲解机器学习需要的数学知识

机器学习二之线性回归(https://edu.51cto.com/course/16010.html  )：讲解机器学习中最简单也是最常用的线性回归算法(包括一元线性回归和多元线性回归算法)

机器学习三之逻辑回归(https://edu.51cto.com/course/16009.html  )：讲解机器学习中分类算法(也就是逻辑回归算法)，还讲解了解决机器学习的过拟合问题

机器学习四之模型调试(https://edu.51cto.com/course/16004.html  )：讲解机器学习中怎么来评估模型、测试模型以及怎样定位模型问题等

机器学习五之SVM算法(https://edu.51cto.com/course/16003.html )：讲解机器学习中应用很广泛的支持向量机算法(即SVM算法)

机器学习六Spark机器学习实战一(https://edu.51cto.com/course/17300.html  )：航班延迟预测

机器学习七之决策树算法(https://edu.51cto.com/course/16002.html )：讲解机器学习中决策树算法，以及基于决策树的回归树算法、提升树算法以及梯度提升算法等算法

机器学习八Spark机器学习实战二(https://edu.51cto.com/course/17345.html)：运动数据分类

机器学习九之非监督类型算法(https://edu.51cto.com/course/16001.html )：讲解机器学习中非监督类型的算法，包括：聚类算法(K-Means算法)以及PCA降维算法

机器学习十Spark机器学习实战三(https://edu.51cto.com/course/17381.html  )：uber载客位置聚类分析

机器学习十一Spark推荐系统实战(https://edu.51cto.com/course/14871.html)：讲解怎样使用Spark实现推荐系

Scala、Spark Core、Spark SQL以及Spark Streaming的学习，请在51CTO学堂搜索"老汤"