课程介绍：
不管是算法工程师还是机器学习相关岗位，很多企业招人时都会选择数学专业的毕业生，更有甚至数学的优先级超过计算机专业，尤其人工智能方面，Al人才门槛高的让人望而却步，其中一个重要的原因就是对数学基础的要求太高，从而限制了很大一批人的进入。
课程优势：
相关实用数学基础原理，课程设计循序渐进，妙趣横生，使用多个源于生活的场景深入浅出的讲解，动画效果和有趣小游戏案例贯穿全课程，带领你在不经意间轻轻松松掌握难啃的数学知识点。
课程知识点：
四分位数、偏差、总体期望及方差、样本方差、贝塞尔校正、条件概率与贝叶斯定理、离散分布、连续分布、标准正态分布、向量内积、向量投影、矩阵运算、矩阵转置、逆矩阵、曼哈顿距离与欧几里得距离、L-PNorm、函数、导数、微分中值定理、泰勒公式、函数凹凸性。
课程收获：
01.玩转随机数频率和概率
02.Python搞定均值、中位数、方差
03.数据分析
04.贝叶斯分析
05.正态分布与假设检验
06.向量矩阵运算新视角
授课时长：
32.6小时
授课环境：
Python3
Anaconda
配套资料：
高清视频、课件讲义、资料、代码、答疑
课程目录：
1、机器学习的数学基础，mp4
2、机器学习的数学基础，mp4
3、机器学习的哲学
4、机器学习的数学基础
5、经典机器学习模型
6.经典机器学习模型
7、经典机器学习模型
8、线性模型
9、线性模型
10、核方法
11、核方法
12、统计学习
13、统计学习
14.统计学习
15.统计学习
16、无监督学习
17、流形学习
18.概念学习
19、神经网络
20、强化学习
答疑课程
