课程优势
学习大纲
-
Week1: 线性代数
1.1 向量与矩阵
1.2 矩阵相关性与矩阵的秩
1.3 矩阵的范数与迹
1.4 矩阵变换和矩阵分解
-
Week2:微积分
2.1 集合与函数
2.2 极限
2.3 连续函数和微分学
2.4 积分
2.5 矩阵的求导与Hessian矩阵
-
Week3: 概率论与数理统计
3.1 概率论基础
3.2 条件概率
3.3 概率分布与统计量
3.4 概率分布进阶
3.5 联合分布
3.6 主成分分析法
-
Week4: 概率论与信息论
4.1 中心极限定理与矩估计
4.2 极大似然估计与最大后验估计
4.3 贝叶斯统计基础
4.4 信息论基础(信息度量,互信息,交叉熵,KL散度)
-
Week5:优化方法
无约束优化问题
5.1 最速下降法
5.2 梯度下降法(SGD,BGD)
5.3 牛顿下降法,拟牛顿法
5.4 共轭梯度法
5.5 adman方法
有约束非线性优化问题
5.6 拉格朗日乘数法