七月在线 机器学习中的数学班

冰点也疯狂

数学对机器学习的重要性不言而喻（不少人便因数学忘了或数学功底不足，而学不下去），为帮助大家复习、巩固数学基础，特开此新班：机器学习中的数学班，着重为大家讲解机器学习中所需要用到的一些重要的数学知识，涵盖微积分、概率统计、矩阵、凸优化等数学基础，包括数学在机器学习中的工业应用，理论 + 实践缺一不可。

数学基础
; [+ _3 U8 u+ u第01课 机器学习与数学基础
8 W4 @  E) d& [/ r; a7 `知识点1： 机器学习的种类与基本思路，假设函数与损失函数，机器学习与统计学、最优化、微分、矩阵运算的关系
" P7 {0 e& V# l2 }! ?9 }第02课 微积分选讲
$ i1 x) G, o" `* u8 N$ ?知识点1： Taylor展式、梯度下降和牛顿法初步、Jensen不等式
第03课 概率论选讲
知识点1： 常见分布与共轭分布、切比雪夫不等式、大数定理、中心极限定理
# q, C4 a# Q5 {# U8 b3 S0 N第04课 参数估计
知识点1： 矩估计、极大似然估计
第05课 线性代数初步
4 x8 Y# Y2 C: H3 U知识点1： 线性映射，线性方程，矩阵基本概念，相似变换，特征向量
" K3 B# _, w8 V第06课 线性代数进阶
' r( Q0 h. A/ |  _/ x知识点1： 二次型，对称矩阵对角化，奇异值分解
* c4 G, L: f. X第07课 凸优化初步
, f4 d* k( L4 J" [  L知识点1： 优化、凸优化基本概念简介，凸集，凸函数
第08课 凸优化进阶
1 A' r  O  G3 Z知识点1： 凸优化问题标准形式，对偶问题与KKT条件
- C/ ]& ~" I5 Q% c( V知识点2： 牛顿法，内点法
第09课 从数学到机器学习分类问题
知识点1： 机器学习与分类问题，空间切分与决策边界，Softmax与linearSVM，损失函数与最小化
7 K9 {  B$ m- G8 H第10课 深入理解SVM
" `" V; R$ S5 f/ ^) j2 x. V& V知识点1： 最大间隔分类，SVM中的目标函数的优化方法，kernel tricks，soft-hard margin，thinking in SVMs
. o; Q8 I' ?, n% ?
4 Y7 e1 C' C& n8 b

m9128213

很好的教程～～