• 学习时长

    19周/建议每周4个小时

  • 答疑服务

    专属微信答疑群/讲师助教均参与

  • 作业批改

    每章节设计作业/助教及时批改评优

  • 第1章: 引言
  • 第1节: 数学之于机器学习的必要性和重要性
  • 任务1-1: 【课件】第一章:绪论.pdf
  • 免费 任务1-2: 【视频】第一章:绪论(上) 27:38
  • 免费 任务1-3: 【视频】第一章:绪论(下) 43:01
  • 任务1-4: 【讲义】第一章:绪论.pdf
  • 任务1-5: 【作业讲解】习题讲解.pdf
  • 第2节: 习题讲解
  • 任务2-1: 【作业讲解】习题参考答案.pdf
  • 任务2-2: 【视频】习题讲解 07:30
  • 任务2-3: 【资料】第二章课程辅助资料.zip
  • 第2章: 函数求导
  • 第1节: 背景介绍&函数极限&导数
  • 任务3-1: 【课件】第二章:函数求导(上).pdf
  • 任务3-2: 【视频】第二章:函数求导(上) 32:00
  • 任务3-3: 【视频】第二章:函数求导(中) 50:55
  • 第2节: 复合函数求导&BP算法案例分析
  • 任务4-1: 【课件】第二章-BP算法.pdf
  • 任务4-2: 【视频】第二章:BP算法(上) 31:06
  • 任务4-3: 【视频】第二章:BP算法(下) 40:00
  • 第3节: 习题讲解
  • 任务5-1: 【视频】第二章习题讲解 20:00
  • 任务5-2: 【课件】编程实践:BP算法及其应用——波士顿房价预测.pdf
  • 任务5-3: 【视频】BP算法及其应用——波士顿房价预测 44:00
  • 任务5-4: 【代码】BP算法及其应用-波士顿房价预测.rar
  • 第3章: 矩阵论
  • 第1节: 背景介绍、矩阵基本运算与范数
  • 任务6-1: 【课件】第三章:矩阵运算(上).pdf
  • 任务6-2: 【视频】第三章:矩阵运算(上) 43:47
  • 第2节: 线性方程组求解、矩阵的秩、线性空间、逆矩阵、矩阵求导
  • 任务7-1: 【课件】第三章:矩阵运算(下).pdf
  • 任务7-2: 【视频】第三章:矩阵运算(下) 50:02
  • 第3节: 编程实践:矩阵的运算
  • 任务8-1: 【课件】编程实践:矩阵的运算.pdf
  • 任务8-2: 【视频】编程实践:矩阵的运算 39:36
  • 第4节: 方阵的特征值与特征向量、矩阵的奇异值分解、二次型
  • 任务9-1: 【课件】第三章:矩阵论(三).pdf
  • 任务9-2: 【视频】第三章:矩阵论(三) 43:20
  • 第5节: 编程实践:基于奇异值分解SVD进行智能推荐
  • 任务10-1: 【课件】编程实践:基于奇异值分解SVD进行智能推荐.pdf
  • 任务10-2: 【代码】SVD2.rar
  • 任务10-3: 【视频】编程实践:基于奇异值分解SVD进行智能推荐.mp4 37:54
  • 第4章: 凸优化
  • 第1节: 凸函数
  • 任务11-1: 【课件】凸函数.pdf
  • 任务11-2: 【视频】凸函数
  • 任务11-3: 【讲义】机器学习数学基础-优化部分.pdf
  • 第2节: 对偶理论及SVM的对偶求解
  • 任务12-1: 【课件】对偶理论及SVM的对偶求解.pdf
  • 任务12-2: 【视频】对偶理论及SVM的对偶求解
  • 任务12-3: 【讲义】对偶理论及SVM的对偶求解.pdf
  • 第3节: 编程实践:基于支持向量机 SVM 进行二分类
  • 任务13-1: 【课件】编程实践:基于支持向量机 SVM 进行二分类.pdf
  • 任务13-2: 【视频】编程实践:基于支持向量机 SVM 进行二分类 46:06
  • 任务13-3: 【代码】编程实践:基于支持向量机 SVM 进行二分类.rar
  • 第5章: 概率统计
  • 第1节: 第一部分:背景介绍、概率基本定义、随机事件概率的常用性质
  • 任务14-1: 【课件】概率统计(上).pdf
  • 任务14-2: 【视频】概率统计(上) 36:00
  • 第2节: 随机事件&随机变量
  • 任务15-1: 【课件】概率统计(中).pdf
  • 任务15-2: 【视频】概率统计(中) 72:40
  • 第3节: 随机向量&KL散度
  • 任务16-1: 【课件】概率统计(下).pdf
  • 任务16-2: 【视频】概率统计(下) 72:30
  • 任务16-3: 【课外资料】概率统计.zip
  • 第4节: 极大似然估计&朴素贝叶斯
  • 任务17-1: 【课件】概率统计(终).pdf
  • 任务17-2: 【视频】极大似然估计&朴素贝叶斯 59:00
  • 第5节: 编程实践:基于朴素贝叶斯和拉普拉斯平滑预测乳腺癌
  • 任务18-1: 【课件】编程实践:基于朴素贝叶斯和拉普拉斯平滑预测乳腺癌.pdf
  • 任务18-2: 【视频】编程实践:基于朴素贝叶斯和拉普拉斯平滑预测乳腺癌.mp4 29:00
  • 任务18-3: 【代码&数据】朴素贝叶斯实践代码&数据.rar
  • 第6章: 信息论
  • 第1节: 背景介绍:以决策树(DT)算法为例
  • 任务19-1: 【资料】课程辅助资料
  • 任务19-2: 【课件】信息论基础-上
  • 任务19-3: 【视频】信息论上
  • 第2节: 信息论中的基本概念:离散随机变量与连续随机变量
  • 任务20-1: 【课件】信息论基础-中
  • 任务20-2: 【视频】信息论基础-中 21:15
  • 第3节: 案例分析:决策树及其应用(以乳腺癌诊断和信用风险评级为例)
  • 任务21-1: 【课件】信息论基础-下
  • 任务21-2: 【视频】信息论基础-下 37:37
  • 任务21-3: 【编程实践】基于决策树和 C4.5 算法进行二分类.rar
  • 任务21-4: 【实践】案例实践:决策树及其应用
  • 第7章: 课程讲义(更新)
  • 任务22-1: Chapter1绪论-2019 V1.pdf
  • 任务22-2: Chapter3矩阵论-2019 V1.pdf
  • 任务22-3: Chapter5概率统计-2019 V1.pdf
  • 任务22-4: Chapter6信息论-2019 V1.pdf