机器学习是实现人工智能的重要方法，也是推动当下人工智能发展的核心驱动力。深度学习、强化学习、迁移学习都属于机器学习研究领域。机器学习处理实际应用案例时，不是“十八般兵器” 的堆积，而是根据具体任务，按需设计、量身定制，而做到这一点需要我们深刻理解机器学习模型以及算法背后的原理，即做到既知其然又知其所以然。

数学，作为表达与刻画机器学习模型的工具，是深入理解机器学习算法原理的必备基础。深蓝学院正式推出『机器学习数学基础』课程，课程内容主要包括引言、矩阵论、优化方法、概率统计、信息论5大部分。课程服务包括：全新撰写的课程讲义、课件、授课视频、答疑、作业，力争让大家学有所成，为入门人工智能打下坚实的基础。

课程团队

讲师：钱鸿，南京大学计算机科学与技术系博士生，主要研究兴趣为机器学习、优化、博弈学习等。在AAAI、IJCAI、IEEE/ACM ASE等国际顶级/重要会议上发表论文9篇，曾担任IEEE Transactions on Evolutionary Computation、ICML、NIPS、IJCAI等期刊和会议的审稿人，并获得国家奖学金、百度奖学金提名、江苏省三好学生、南京大学优秀研究生标兵等荣誉称号。

讲师：肖鸿飞，中科院自动化所博士，主要研究方向是目标检测、语义分割、三维重建等。具有8年计算机视觉领域的科研工作经历，在计算机视觉领域国际期刊会议发表论文多篇，在视觉会议上发表并获得最佳论文（Selected Best Papers）。

助教：张阳阳，清华大学博士生，主要研究方向为机器学习，现为创业公司 CTO，擅长 Python语言、Tensorflow和Pytorch框架，熟悉常用的机器学习算法。

课程特色

讲义新颖：全新撰写课程的配套讲义，全网独家
方式独特：数学知识与人工智能案例紧密结合
实践认真：根据课程算法案例，手把手代码实践
答疑及时：课程讨论区&微信答疑群及时答疑
作业细致：根据每章节知识点，精心设计作业

实践案例

1）线性回归及其应用：以前列腺癌发病率预测为例
2）SVM及其应用：以Iris数据集分类为例
3）BP算法及其应用：以波士顿房价预测问题为例
4）朴素贝叶斯及其应用：以乳腺癌诊断和信用风险评级为例
5）决策树及其应用：以乳腺癌诊断和信用风险评级为例

课程受众

课程偏向基础入门，适合学习过大学数学但不扎实或者已经忘记的伙伴。同时，因为知识储备不够，感觉机器学习难以理解的，或者看机器学习书一头雾水的人，也适合学习这门课程。

课程优惠

前 100 名报名者，可领取 300元 优惠券；
注：在学院报名6门及以上付费课程的老用户，享受599元特惠价。

添加欣然（微信号：shenlan-xinran）好友，领取优惠码。