[AI/大数据] 人工智能 数学基础训练营 深度之眼

课程介绍：
深度学习是一种机器学习技术，由一些多层次的非线性处理单元组成，每一层都可以学习数据中的复杂关系，并且可以组合到一起以构建更复杂的模型。它是由一系列的计算机模型组成的，这些模型是由非线性的多层神经网络构建的，其中每一层都可以学习数据中的复杂关系，并在更高的层次上抽象出更为宏观的模式。它主要应用于计算机视觉、自然语言处理、语音识别和推荐系统等领域。

├──Week1 线性代数
| ├──1.1 向量与矩阵.mp4 34.68M
| ├──1.2 矩阵相关性与矩阵的秩.mp4 18.69M
| ├──1.3 矩阵的范数与迹.mp4 15.23M
| └──1.4 矩阵变换和矩阵分解.mp4 22.94M
├──Week2：微积分
| ├──2.1 集合与函数.mp4 17.44M
| ├──2.2 极限.mp4 24.12M
| ├──2.3 连续函数和微分学.mp4 22.65M
| ├──2.4 积分.mp4 22.98M
| └──2.5 矩阵的求导与Hessian矩阵.mp4 17.47M
├──Week3 概率论与数理统计
| ├──3.1 概率论基础.mp4 28.96M
| ├──3.2 条件概率.mp4 20.74M
| ├──3.3 概率分布与统计量.mp4 18.75M
| ├──3.4 概率分布进阶.mp4 15.79M
| ├──3.5 联合分布.mp4 22.16M
| └──3.6 主成分分析法.mp4 17.61M
├──Week4 概率论与信息论
| ├──4.1 中心极限定理与矩估计.mp4 17.00M
| ├──4.2 极大似然估计与最大后验估计.mp4 23.53M
| ├──4.3 贝叶斯统计基础.mp4 19.49M
| └──4.4 信息论基础（信息度量，互信息，交叉熵，KL散度）.mp4 18.44M
├──Week5：优化方法
| ├──5.1 最速下降法.mp4 21.04M
| ├──5.2 梯度下降法（SGD，BGD）.mp4 13.50M
| ├──5.3 牛顿下降法，拟牛顿法.mp4 17.95M
| ├──5.4 共轭梯度法.mp4 18.33M
| ├──5.5 adman方法.mp4 11.92M
| └──5.6 拉格朗日乘数法.mp4 12.27M
├──地址.txt 0.07kb
├──绪论 .mp4 20.29M
└──资料.zip 68.22M