程序员的数学基础课 夸克网盘资源
- 51丨综合应用篇答疑和总结:如何进行个性化用户画像的设计?.pdf
- 48丨搜索引擎(下):如何通过查询的分类,让电商平台的搜索结果更相关?.html
- 47丨搜索引擎(上):如何通过倒排索引和向量空间模型,打造一个简单的搜索引擎?.html
- 50丨推荐系统(下):如何通过SVD分析用户和物品的矩阵?.pdf
- 46丨缓存系统:如何通过哈希表和队列实现高效访问?.html
- 49丨推荐系统(上):如何实现基于相似度的协同过滤?.html
- 00开篇词作为程序员,为什么你应该学好数学?.pdf
- 40丨线性回归(中):如何使用最小二乘法进行直线拟合?.pdf
- 36丨文本聚类:如何过滤冗余的新闻?.html
- 33丨线性代数:线性代数到底都讲了些什么?.pdf
- 42丨PCA主成分分析(上):如何利用协方差矩阵来降维?.html
- 45丨线性代数篇答疑和总结:矩阵乘法的几何意义是什么?.html
- 38丨矩阵(下):如何使用矩阵操作进行协同过滤推荐?.pdf
- 34丨向量空间模型:如何让计算机理解现实事物之间的关系?.pdf
- 35丨文本检索:如何让计算机处理自然语言?.pdf
- 43丨PCA主成分分析(下):为什么要计算协方差矩阵的特征值和特征向量?.pdf
- 39丨线性回归(上):如何使用高斯消元求解线性方程组?.html
- 44丨奇异值分解:如何挖掘潜在的语义关系?.html
- 37丨矩阵(上):如何使用矩阵操作进行PageRank计算?.html
- 00丨导读:程序员应该怎么学数学?.html
- 结束语丨从数学到编程,本身就是一个很长的链条.html
- 25丨马尔科夫模型:从PageRank到语音识别,背后是什么模型在支撑?.html
- 21丨概率基础(下):联合概率,条件概率和贝叶斯法则,这些概率公式究竟能做什么?.html
- 29丨归一化和标准化:各种特征如何综合才是最合理的?.pdf
- 24丨语言模型:如何使用链式法则和马尔科夫假设简化概率模型?.pdf
- 31丨统计意义(下):如何通过显著性检验,判断你的A-B测试结果是不是巧合?.html
- 20丨概率基础(上):一篇文章帮你理解随机变量,概率分布和期望值.html
- 32丨概率统计篇答疑和总结:为什么会有欠拟合和过拟合?.pdf
- 26丨信息熵:如何通过几个问题,测出你对应的武侠人物?.html
- 28丨熵,信息增益和卡方:如何寻找关键特征?.html
- 27丨决策树:信息增益,增益比率和基尼指数的运用.pdf
- 22丨朴素贝叶斯:如何让计算机学会自动分类?.html
- 19丨概率和统计:编程为什么需要概率和统计?.pdf
- 23丨文本分类:如何区分特定类型的新闻?.pdf
- 程序员的数学基础课
- 06-综合应用篇 (6讲)
扫码获取资源