关键词：
第1章 随机事件与概率
§1.1 随机事件
§1.2 随机事件的概率
§1.3 古典概型与几何概型
§1.4 条件概率
§1.5 事件的独立性
第2章 随机变量的分布与数字特征
§2.1 随机变量及其分布
§2.2 随机变量的数字特征
§2.3 常用的离散型分布
§2.4 常用的连续型分布
§2.5 随机变量函数的分布
第3章 随机向量
§3.1 随机向量的分布
§3.2 条件分布与随机变量的独立性
§3.3 随机向量的函数的分布与数学期望
§3.4 随机向量的数字特征
§3.5 大数定律与中心极限定理
第4章 数理统计的基础知识
§4.1 总体与样本
§4.2 统计量
§4.3 常用的统计分布
§4.4 抽样分布
第5章 参数估计与假设检验
§5.1 点估计概述
§5.2 参数的最大似然估计与矩估计
§5.3 置信区间
§5.4 假设检验概述
§5.5 单正态总体的参数假设检验
§5.6 双正态总体的参数假设检验
§5.7 一般总体的参数假设检验
§5.8 独立性检验
深度学习数学基础-概率与信息论(代码片段)
前言概率论学科定义概率论是用于表示不确定性声明的数学框架。它不仅提供了量化不确定性的方法，也提供了用于导出新的不确定性声明（statement）的公理。概率论的知识在机器学习和深度学习领域都有广泛应用，是学习这两... 查看详情
[人工智能-数学基础-1]：深度学习中的数学地图：计算机数学数值计算数值分析数值计算微分积分概率统计.....
作者主页(文火冰糖的硅基工坊)：https://blog.csdn.net/HiWangWenBing本文网址：https://blog.csdn.net/HiWangWenBing/article/details/119710145目录1.为什么要谈这个话题？第2章 数学2.1概述定义2.2数学分支第3章计算机科学3.1什么是计算机与... 查看详情
lda主题模型学习相关的书籍介绍
...后来深度学习大放异彩，它的热度才慢慢降了下来。由于数学基础很差，一直没有理解LDA的整个核心。到目前为止，也只是理解了皮毛。记录一下关于LDA主题模型相关的学习资料。LDA主题模型属于编码简单，但是数学功底要求较... 查看详情
人工智能数学基础--概率与统计13：连续随机变量的标准正态分布
一、引言在《人工智能数学基础–概率与统计12：连续随机变量的概率密度函数以及正态分布》介绍了连续随机变量概率分布及概率密度函数的概念，并介绍了连续随机变量一个重要的概率密度函数：正态分布的概率... 查看详情
硬啃：《deeplearning》机器学习基础篇
...定的基础知识的学习，其中包含线性代数、概率论与数理统计、 查看详情
学习“花书“《深度学习》中文pdf和英文pdf
...译的不错，有700多页，深度学习入门经典书籍，前几章的数学基础介绍的相当不错。第一部分基本就是统计学习最基础的线性代数，概率论等，第4章值得一读，讲了些数值分析里常涉及的几个概念(PoorConditioning,Optimizationmethod)。... 查看详情
深度学习的数学基础
深度学习的数学基础微积分无穷小在17世纪下半叶，数学史上出现了无穷小的概念，而后发展处极限的概念极限数列的极限函数的极限导数微分积分不定积分也称为原函数或反导数定积分定积分中值定理牛顿-莱布尼茨公式偏导数... 查看详情
人工智能数学基础--概率与统计9：概率运算加法公理事件的独立性概率乘法定理条件概率全概率公式以及贝叶斯公式
...概率与统计》表示差异比较大（具体请见《人工智能数学基础–概率与统计7：学习中一些术语的称呼或表示变化说明以及独立事件的一些补充推论》的说明 查看详情
人工智能数学基础--概率与统计7：学习中一些术语的称呼或表示变化说明以及独立事件的一些补充推论
一、概念表示变化说明笔者最开始学习概率论时，是以美版M.R.斯皮格尔等著作的《概率与统计》作为教材学习，学习过程中发现部分内容理解困难，之所以这样，一是这本书的内容太古老，教材是2002年翻译出... 查看详情
人工智能数学基础--概率与统计14：连续随机变量的指数分布威布尔分布和均匀分布
一、引言在《人工智能数学基础–概率与统计12：连续随机变量的概率密度函数以及正态分布》介绍了连续随机变量概率分布及概率密度函数以及正态分布，《人工智能数学基础–概率与统计13：连续随机变量的标准... 查看详情
深度学习的初学者用哪本书比较好的？
先推荐一本从基本概念和理论入手的深度学习书：深度学习：从基础到实践（上、下册）本书从基本概念和理论入手，通过近千张图和简单的例子由浅入深地讲解深度学习的相关知识，且不涉及复杂的数学内容。本书分为上下两... 查看详情
学习深度学习如何下手
...数据的算法讨论是毫无意义的，刚开始应该先打好编程和数学基础。深度学习看似难度大，按照正确的学习路径学习，可以大大降低学习门槛，同时激发学习的乐趣。简单的说，学习路线大概如下：先学编程、数学和深度学习知... 查看详情
机器学习需要啥数学基础
...很多的工具，其中最重要的当属数学工具了，因此必要的数学基础可谓是打开机器学习大门的必备钥匙。机器学习涉及到的数学基础内容包括三个方面，分别是线性代数、概率统计和最优化理论。下面小编就会好好给大家介绍一... 查看详情
机器学习是否需要完整扎实的数学基础？
...方法线代，微积分，概率论，数理统计，一些算法思想的数学基础 微积分，线性代数，概率与统计，最优化方法建议读5～6遍，哈哈这是基础，高 查看详情
深度学习都需要学习那些内容？
数学基础如果你能够顺畅地读懂深度学习论文中的数学公式，可以独立地推导新方法，则表明你已经具备了必要的数学基础。掌握数学分析、线性代数、概率论和凸优化四门数学课程包含的数学知识，熟知机器学习的基本理论和... 查看详情
一些网站的收集包含机器学习深度学习大牛主页等
数学概念部分旋转矩阵、欧拉角、四元数的比较欧拉角和四元数的表示四元数与旋转B样条曲线非常好的概率统计学习的主页误差方差偏差编程语言学习C#编程视频OpenGL编程NeHeOpenGL官网OpenGL“我叫MT“纯手工3D动画制作之1——基础... 查看详情
numpy学习笔记一
...数学分析》第四版（华东师范大学数学系）、《概率论与数理统计》（陈希孺，中科大出版）、《概率论与数理统计》第二版（茆诗松、程依明等编）、《组合最优化：理论与方法》（现代数学译丛23）。笔记一主要记录NumPy&... 查看详情
深度学习的初学者用哪本书比较好的？
先推荐一本从基本概念和理论入手的深度学习书：深度学习：从基础到实践（上、下册）本书从基本概念和理论入手，通过近千张图和简单的例子由浅入深地讲解深度学习的相关知识，且不涉及复杂的数学... 查看详情