人工智能基礎篇（高等數學）

總結高等數學學習目錄 一.數據分析函數 常數e 導數 梯度 Taylor gini係數 信息熵 組合數 梯度降低法和牛頓法 二.機率論學習 微積分與逼近論 極限、微分、積分基本概念 利用逼近的思想理解微分，利用積分的方式理解機率 機率論基礎 古典機率模型 常見幾率分佈 大數定理和中心極限定理 協方差(矩陣)和相關係數 最大似然估計和最大後驗估計 三.線性代數及矩陣優化 線性空間及線性變換 矩陣的基

>>阅读原文<<