数学老师回来了-机器学习中用到的的数学知识全面解读 极大似然估计到微积分轻松实战

===============课程目录===============

├─第一课：微分学基本概念.mp4
├─第七课：凸优化简介.mp4
├─第三课：概率论简介.mp4
├─第九课：从线性模型谈起的机器学习分类与回归.mp4
├─第二课：微分学进阶.mp4
├─第五课： 线性代数基础.mp4
├─第八课：优化的稳定性.mp4
├─第六课：线性代数进阶.mp4
├─第十课：从信息论到工业界最爱的树模型.mp4
├─第四课：极大似然估计.mp4
(1)\课件与代码；目录中文件数:22个
├─Bayesian Reasoning and Machine Learning.pdf
├─ESLII.pdf
├─Gaussian Processes for Machine Learning.pdf
├─Information Theory, Inference, and Learning Algorithms.pdf
├─Machine Learning-A Probabilistic Perspective.pdf
├─matrix cookbook.pdf
├─MLE.pdf
├─Pattern Recognition and Machine Learning.pdf
├─PRML中文版.pdf
├─Python_SciPy_Cheat_Sheet_Linear_Algebra.pdf
├─数学班第二期第8课代码示范.支持向量机.ipynb
├─机器学习中的数学第二期第1课微分学与梯度下降法.pdf
├─机器学习中的数学第二期第2课微分学进阶.pdf
├─机器学习中的数学第二期第7课凸优化简介.pdf
├─机器学习中的数学第二期第8课凸优化进阶.pdf
├─机器学习数学 教材.rar
├─第10课-机器学习分类问题与数学(下).pdf
├─第1课微分学与梯度下降法.pdf
├─第2课微分学进阶.pdf
├─第5课-线性代数基础_.pdf
├─第6课-线性代数进阶.pdf
├─第9课-机器学习分类问题与数学(上).pdf
(2)\课件与代码\Lesson1_2 HW
├─p142_p143.JPG
├─p148.JPG
├─p176.JPG
├─p210.JPG
├─p211.JPG
(3)\课件与代码\Lesson1_2作业 HW
├─p142_p143.JPG
├─p148.JPG
├─p176.JPG
├─p211.JPG