【资源介绍】：
一、课程背景
在人工智能领域，无论是机器人、语音识别，还是图像识别、自然语言处理都离不开数学。因为人工智能的核心是算法，而算法的基础就是数学。所以说，数学功底才是码农们转型人工智能无论如何都是绕不开的门槛，传统程序员要想转战AI，任何绕过数学的想法都是鸵鸟策略。
微积分，线性代数，概率论在机器学习几乎所有算法中不可或缺。如果你数学不是那么扎实，大学学的数学知识都还给老师了（大部分同学都是如此），那么重新温习一下这些重要概念也不错。
美女讲师Yuki，带你轻松愉快的学习让很多人头疼的数学知识，让你发现数学原来如此有趣。
二、学习目标
1、了解人工智能数学基础必学内容。
2、学会机器学习算法涉及到的微积分、线性代数、概率论等内容。
三、课程对象
机器学习算法工程师、人工智能产品经理、数据分析师
【资源目录】：
├──1 前言：课程介绍.mp4 34.04M
├──10 2.3 追本溯源：问题与逆问题.mp4 30.05M
├──11 2.4 稳定很重要：矩阵的特征.mp4 22.14M
├──12 2.5 与机器沟通：计算机中的线性代数计算.mp4 18.56M
├──14 3.1 概率的意义.mp4 62.37M
├──15 3.2 抽象的现实：概率的分布与应用.mp4 72.39M
├──16 3.3 第一印象：描述性统计.mp4 39.13M
├──17 3.4 拒绝主观：假设与检验.mp4 32.25M
├──18 3.5 可以量化的差异：方差分析.mp4 47.38M
├──19 3.6 统计也会犯错误.mp4 37.11M
├──2 1.1 可以量化的世界.mp4 84.44M
├──3 1.2 问题的起源.mp4 76.04M
├──4 1.3 无穷的力量.mp4 59.03M
├──5 1.4 以少为美.mp4 74.41M
├──6 1.5 局部与整体.mp4 41.17M
├──8 2.1 现实世界的想象.mp4 27.84M
├──9 2.2 空间语言与立体感知：向量与矩阵.mp4 27.48M
└──人工智能之数学基础(讲义).zip 2.96M
