簡介：如果說程序開發(fā)的根本在于邏輯，那么AI的“根本”在于數(shù)學(xué)。AI人才的需求在可預(yù)見的多年內(nèi)還將以爆發(fā)的態(tài)勢增長，但普通程序員困于數(shù)學(xué)知識的欠缺，多局限在AI應(yīng)用層開發(fā)，在模型的構(gòu)建、訓(xùn)練、微調(diào)、優(yōu)化以及數(shù)據(jù)處理、性能評估方面無法突破?，F(xiàn)在很多數(shù)學(xué)教程基于高校高等數(shù)學(xué)基礎(chǔ)設(shè)計，對多數(shù)開發(fā)人員有難度，并且偏離AI實踐。鑒于此，本課程嚴(yán)選AI強關(guān)聯(lián)數(shù)學(xué)干貨，降低學(xué)習(xí)門檻、可視化呈現(xiàn)、數(shù)學(xué)與代碼結(jié)合的程序員友好課程設(shè)計，廣泛覆蓋AI所必備的數(shù)學(xué)基礎(chǔ)，旨在消除程序員在深入AI領(lǐng)域的數(shù)學(xué)屏障，無論你是想夯實數(shù)學(xué)基礎(chǔ)，還是深耕AI領(lǐng)域，這門課程都將是你的首選。本課程是數(shù)學(xué)基礎(chǔ)系列的線性代數(shù)部分，線性代數(shù)是人工智能的重要工具，是計算機處理、運算和表達(dá)海量數(shù)據(jù)的數(shù)學(xué)基石。
第1章 中學(xué)基礎(chǔ)知識回顧—代數(shù)基礎(chǔ)與方程入門
人工智能數(shù)學(xué)前置基礎(chǔ)：涵蓋代數(shù)基本概念、運算律及方程的基本類型與求解
第2章 中學(xué)基礎(chǔ)知識回顧—不等式與函數(shù)
人工智能數(shù)學(xué)前置基礎(chǔ)：系統(tǒng)介紹不等式、區(qū)間表示及函數(shù)的定義與基本形式
第3章 中學(xué)基礎(chǔ)知識回顧—多項式及其運算
人工智能數(shù)學(xué)前置基礎(chǔ)：深入講解多項式的性質(zhì)、因式分解與除法等核心運算
第4章 中學(xué)基礎(chǔ)知識回顧—三角學(xué)
人工智能數(shù)學(xué)前置基礎(chǔ)：三角函數(shù)，圖形，性質(zhì)及基本應(yīng)用
第5章 中學(xué)基礎(chǔ)知識回顧—指數(shù)和對數(shù)
人工智能數(shù)學(xué)前置基礎(chǔ)：指數(shù)和對數(shù)的運算性質(zhì)，圖形及實際應(yīng)用
第6章 線性代數(shù)入門：由來、與人工智能的關(guān)系
線性代數(shù)與人工智能的關(guān)系，配置開發(fā)環(huán)境，快速入門編程，了解線性代數(shù)的基本概念和應(yīng)用。
- 視頻： 6-1 程序員數(shù)學(xué)體系課導(dǎo)學(xué) (11:24)
- 視頻： 6-2 準(zhǔn)備編程環(huán)境 (03:23)
- 視頻： 6-3 Matplotlib快速上手 (12:32)
- 視頻： 6-4 Matplotlib練習(xí)-1 (20:00)
- 視頻： 6-5 Matplotlib練習(xí)-2 (23:57)
- 視頻： 6-6 線性代數(shù)：從線性方程中來 (10:43)
- 視頻： 6-7 線性代數(shù)的作用，與人工智能的關(guān)系 (12:09)
- 視頻： 6-8 線性代數(shù)在機器學(xué)習(xí)中的實踐 (03:48)
- 視頻： 6-9 常用科學(xué)計算，機器學(xué)習(xí)庫的介紹和對比 (04:52)
- 視頻： 6-10 線性代數(shù)入門練習(xí)-1 (18:31)
- 視頻： 6-11 線性代數(shù)入門練習(xí)-2 (16:57)
解鎖即可觀看《深入AI/大模型必修數(shù)學(xué)體系》完整課程視頻
深入AI/大模型必修數(shù)學(xué)體系
嚴(yán)選AI強關(guān)聯(lián)數(shù)學(xué)干貨，數(shù)學(xué)與代碼結(jié)合、50+AI與數(shù)學(xué)實踐，通俗易懂，系統(tǒng)化學(xué)習(xí)，旨在消除程序員在深入AI領(lǐng)域的數(shù)學(xué)屏障，無論你是想夯實數(shù)學(xué)基礎(chǔ)，還是深耕AI領(lǐng)域，本課都將是你的首選
【第0周】前置數(shù)學(xué)知識：基礎(chǔ)代數(shù)，三角，指數(shù)與對數(shù)
【第1周】線性代數(shù)入門：由來、與人工智能的關(guān)系
【第2周】矩陣進(jìn)階運算與矩陣分解
【第3周】特征分解
【第4周】奇異值分解SVD
【第5周】主成分分析PCA
【第6周】Numpy快速上手，用Python實現(xiàn)矩陣
【第7周】數(shù)據(jù)處理方法與矩陣與圖形變換
【第8周】微積分入門，微積分核心基礎(chǔ)
【第9周】微積分進(jìn)階與多元微積分
【第10周】積分基礎(chǔ)
【第11周】用微積分知識實現(xiàn)一個神經(jīng)網(wǎng)絡(luò)
【第12周】ROC曲線與分類性能評估
【第13周】神經(jīng)網(wǎng)絡(luò)梯度問題
【第14周】神經(jīng)網(wǎng)絡(luò)自動微分
【第15周】偏導(dǎo)數(shù)與模型優(yōu)化與支持向量機SVM
【第16周】概率基礎(chǔ)與離散概率分布
【第17周】連續(xù)概率分布與概率密度估計
【第18周】最大似然估計，貝葉斯概率
【第19周】貝葉斯回歸
【第20周】LLM大語言模型的實現(xiàn)：深入大語言模型的核心數(shù)學(xué)原理
【第21周】擴散模型（Diffusion Model）圖像生成的數(shù)學(xué)原理