人工智能基础篇（高等数学）

总结高等数学学习目录 一.数据分析函数 常数e 导数 梯度 Taylor gini系数 信息熵 组合数 梯度降低法和牛顿法 二.几率论学习 微积分与逼近论 极限、微分、积分基本概念 利用逼近的思想理解微分，利用积分的方式理解几率 几率论基础 古典几率模型 常见几率分布 大数定理和中心极限定理 协方差(矩阵)和相关系数 最大似然估计和最大后验估计 三.线性代数及矩阵优化 线性空间及线性变换 矩阵的基

>>阅读原文<<