本课程系统梳理人工智能所需的数学基础，涵盖线性代数、概率统计与微积分核心知识点。由深度之眼团队精心打造，帮助学习者建立从理论到实践的数学思维框架，为深入AI领域打下坚实基础。>│ ├─1.1 向量与矩阵.mp4
│ ├─1.2 矩阵相关性与矩阵的秩.mp4
│ ├─1.3 矩阵的范数与迹.mp4
│ └─1.4 矩阵变换和矩阵分解.mp4
│
├─Week2：微积分
│ ├─2.1 集合与函数.mp4
│ ├─2.2 极限.mp4
│ ├─2.3 连续函数和微分学.mp4
│ ├─2.4 积分.mp4
│ └─2.5 矩阵的求导与Hessian矩阵.mp4
│
├─Week3 概率论与数理统计
│ ├─3.1 概率论基础.mp4
│ ├─3.2 条件概率.mp4
│ ├─3.3 概率分布与统计量.mp4
│ ├─3.4 概率分布进阶.mp4
│ ├─3.5 联合分布.mp4
│ └─3.6 主成分分析法.mp4
│
├─Week4 概率论与信息论
│ ├─4.1 中心极限定理与矩估计.mp4
│ ├─4.2 极大似然估计与最大后验估计.mp4
│ ├─4.3 贝叶斯统计基础.mp4
│ └─4.4 信息论基础（信息度量，互信息，交叉熵，KL散度）.mp4
│
├─Week5：优化方法
│ ├─5.1 最速下降法.mp4
│ ├─5.2 梯度下降法（SGD，BGD）.mp4
│ ├─5.3 牛顿下降法，拟牛顿法.mp4
│ ├─5.4 共轭梯度法.mp4
│ ├─5.5 adman方法.mp4
│ └─5.6 拉格朗日乘数法.mp4
│
├─绪论 .mp4
└─资料.zip
