ad
close
老汤
  • 畅销套餐
  • 精选套餐
  • 人气套餐
  • 尊享套餐
  • 高薪套餐
  • 课程介绍
  • 课程大纲

适合人群:

有大学高等数学、线性代数以及概率统计基础的同学

你将会学到:

学习机器学习需要的三大数学基础知识:微积分、线性代数以及概率统计

课程简介:

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"

展开更多

课程大纲-[老汤-人工智能]机器学习一之数学基础

close
  • 课程介绍
  • 课程大纲
在线
客服
APP
下载

下载Android客户端

下载iphone 客户端

官方
微信

关注官方微信

返回
顶部