机器学习之矩阵-AI100-专题视频课程

机器学习之矩阵—9206人已学习
课程介绍    

    购买课程后添加小助手为好友（微信ID：superaihelper）加入课程讨论群。本课程囊括了机器学习理论中所需要的和线性代数相关的所有知识。 主要有矩阵的定义、性质、运算、分解以及应用。另外，还会讲解线性空间、范数、生成子空间相关知识。
课程收益
    本课程由专业数学系老师讲解，从数学背景和现实应用中讲解线性代数的相关知识，摆脱传统的讲概念、记公式、解体的数学学习模式，让听众对线性代数有一个全新的、深刻的认识。使听众能够了解矩阵和空间的概念、性质。深刻理解矩阵各类运算、分解的数学意义和应用，为后续的机器学习打下扎实的数学基础。
讲师介绍
    AI100 更多讲师课程
    AI100致力于推进人工智能和数据科学领域的人才培养。目标是在 2025 年前为中国培养100万人工智能工程师，200万各行业数据科学讲师，帮助30万中国企业走向智能化。
课程大纲
  第1章:矩阵初步
    1. 机器学习之矩阵论课程介绍  7:00
    2. （一）矩阵基本概念  24:59
    3. （二）矩阵基本运算  0:46
    4. （2.1）矩阵相等  0:58
    5. （2.2）矩阵加减法  4:16
    6. （2.3）数与矩阵乘法  3:36
    7. （2.4）矩阵与矩阵乘法  21:49
    8. （2.5）矩阵的转置  5:04
    9. （2.6）方阵的行列式（determinant）  15:04
    10. （2.7）矩阵的逆  12:35
    11. （2.8）矩阵的秩  24:57
    12. （2.9）矩阵的迹运算  2:31
    13. 矩阵第一课课后答疑  20:32
  第2章:矩阵变换和线性空间
    1. 线性空间与矩阵分解  0:43
    2. （一）线性空间简介  4:48
    3. （1.1）线性空间的定义  16:26
    4. （1.2）线性空间的基  9:49
    5. （1.2.1）线性空间的基的定义  10:19
    6. （1.2.2）坐标  5:56
    7. （1.3）线性空间的基数  17:46
    8. （二）矩阵分解简介  1:16
    9. （2.1）特征值与特征向量定义  6:01
    10. （2.2）矩阵分解  8:59
    11. （2.3）正交矩阵与标准正交基  3:40
    12. （2.4）正交矩阵的性质  4:32
    13. （2.5）正交分解  3:56
    14. （2.6）正交分解的几何意义  6:19
    15. （2.7）矩阵的SVD（奇异值分解）  5:33
    16. （2.8）SVD应用：Moore-Penrose伪逆  7:59
    17. （2.9）SVD应用：PCA（主成分分析）的数学原理  7:30
    18. 矩阵第二课课后答疑  10:06
  第3章:矩阵求导
    1. 多元函数极值问题（矩阵求导）  3:50
    2. （1.1）多元函数导数的定义  5:57
    3. （1.2）最速下降方向  17:35
    4. （1.3）牛顿法  30:20
    5. （1.4）案例讲解：最小二乘法（线性回归）、岭回归、Logistic回归  40:28
大家可以点击【 查看详情】查看我的课程