LICENSE
README.md
19-1-5 练习:贝叶斯回归(上)_ev.mp4
19-1-8 人工智能数学基础课程总结_ev.mp4
19-1-7 概率与统计总结_ev[公众号:密知圈].mp4
19-1-1 贝叶斯回归,用概率的眼光和工具来重新认识回归问题_ev[公众号:密知圈].mp4
15-2-1 偏导数练习-1_ev.mp4
15-3-6 用高维的眼光看数据 – SVM核函数的直观理解_ev.mp4
15-3-5 SVM的Hinge Loss损失函数_ev[公众号:密知圈].mp4
15-3-9 sklearn调用SVM解决分类问题_ev.mp4
15-3-7 SVM的多项式核函数_ev.mp4
15-3-1 支持向量机SVM:间隔最大化的数学魔法_ev.mp4
15-1-3 理解神经网络里面的偏导数_ev.mp4
13-1-6 代码演示一个梯度爆炸问题的应对方式:梯度缩放和梯度剪裁_ev.mp4
13-1-7 神经网络过拟合与欠拟合以及成因_ev.mp4
13-1-9 应对过拟合与欠拟合的技术:dropout_ev.mp4
13-1 第1章神经网络梯度问题说明.png
13-1-4 深入研究RELU和它的变形_ev.mp4
13-1-8 L1正则化和L2正则化技术的直观理解_ev.mp4
13-1-1 神经网络的梯度消失问题,代码复现梯度消失_ev.mp4
13-1-3 ReLU激活函数和其它办法来应对梯度消失问题_ev.mp4
2-1-5 张量_ev.mp4
2-1-7 矩阵进阶运算的练习-2_ev.mp4
2-2-4 Cholesky乔里斯基分解_ev.mp4
05_矩阵分解总览.ipynb
21_神经网络梯度问题.ipynb
20_ROC_AUC.ipynb
17_多元微积分.ipynb
19_实现一个分类神经网络.ipynb
week11资料.zip
wine_classification.csv
energy_data.csv
country_language.csv
11_常用的数据处理方法.ipynb
32_贝叶斯线性回归.ipynb
慕课-深入AI大模型必修数学体系
[阶段5:概率论:应对现实世界中不确定性,神经网络的理论基础]第19周贝叶斯回归
[阶段4:微积分实战和进阶]第15周偏导数与模型优化与支持向量机SVM
[阶段4:微积分实战和进阶]第13周神经网络梯度问题
[阶段1:线性代数:批量数据规律的研究]第2周矩阵进阶运算与矩阵分解
math_in_ai_for_programmer
[阶段3:微积分:研究数据变化的规律与模型优化]第9周微积分进阶与多元微积分
[阶段6:综合实战,总结]第20周 LLM大语言模型的实现:深入大语言模型的核心数学原理
[阶段2:线性代数实战]第7周数据处理方法与矩阵与图形变换
[阶段2:线性代数实战]第6周 Numpy快速上手,用Python实现矩阵
19-1 第1章贝叶斯回归
15-2 第2章偏导数习题精讲与实践
15-3 第3章支持向量机SVM
13-2 第2章神经网络梯度问题-习题讲解与强化练习
2-2 第2章矩阵分解
week2
12-1 第1章 ROC曲线与分类性能评估
17-4 第4章概率密度估计-习题解析
11-1 第1章用微积分知识实现一个神经网络
1-2 第2章线性代数核心概念-走进矩阵
1-1 第1章线性代数入门:由来,与人工智能的关系
20-1 第1章 LLM大语言模型的实现和背后的数学原理
5-1 第1章主成分分析PCA
6-1 第1章 Numpy学习入门
6-2 第2章用Python实现矩阵
18-3 第3章练习:最大似然估计
slides

分享时间

0001-01-01

入库时间

2026-08-05

资源类型

夸克网盘

分享用户

一山*容二虎

扫码获取资源

问题反馈链接失效、内容异常、密码错误等问题都可以快速提交。

进入网盘

分享资源