这套数学秘籍让你的水平上升一个level，《Python全系列》第14阶段更新

《Python全系列》

此次更新内容为第十四阶段：数据分析理论和实战

章节1：补充数学知识

01_人工智能学习数学的必要性_微积分知识点

02_线性代数_概率论知识点

03_最优化知识_数学内容学习重点

04_导数的定义_左导数和右导数

05_导数的几何意义和物理意义

06_常见函数的求导公式

07_导数求解的四则运算法则

08_复合函数求导法则

09_推导激活函数的导函数

10_高阶导数_导数判断单调性_导数与极值

11_导数判断凹凸性_导数用于泰勒展开

12_向量的意义_n维欧式空间空间

13_行向量列向量_转置_数乘_加减乘除

14_向量的内积_向量运算法则

15_学习向量计算的用途举例

16_向量的范数_范数与正则项的关系

17_特殊的向量

18_矩阵_方阵_对称阵_单位阵_对角阵

19_矩阵的运算_加减法_转置

20_矩阵相乘

21_矩阵的逆矩阵

22_矩阵的行列式

23_多元函数求偏导

24_高阶偏导数_梯度

25_雅可比矩阵_在神经网络中应用

26_Hessian矩阵

27_二次型

28_补充关于正定负定的理解

29_特征值和特征向量(1)

30_特征值和特征向量(2)

31_特征值分解

32_多元函数的泰勒展开_矩阵和向量的求导

33_奇异值分解定义

34_求解奇异值分解中的UΣV矩阵

35_奇异值分解性质_数据压缩

36_SVD用于PCA降维

37_SVD用于协同过滤_求逆矩阵

38_概率论_随机事件与随机事件概率

39_条件概率_贝叶斯公式

40_随机变量

41_数学期望和方差

42_常用随机变量服从的分布

43_随机向量_独立性_协方差_随机向量的正太分布

44_最大似然估计思想

45_最优化的基本概念

46_迭代求解的原因

47_梯度下降法思路

48_梯度下降法的推导

49_牛顿法公式推导以及优缺点

50_坐标下降法_数值优化面临的问题

51_凸集

52_凸函数

53_凸优化的性质_一般表达形式

54_拉格朗日函数