第一章 第一章 高等数学基础
1-1 课程简介 免费试学
  • 0-课程简介
1-2 函数 免费试学
  • 1-函数
1-3 极限 免费试学
  • 2-极限
1-4 无穷小与无穷大 免费试学
  • 3-无穷小与无穷大
1-5 连续性与导数 免费试学
  • 4-连续性与导数
1-6 偏导数
  • 1-偏导数
1-7 方向导数
  • 2-方向导数
1-8 梯度
  • 3-梯度
第二章 第二章 微积分
2-1 微积分基本想法
  • 1-微积分基本想法
2-2 微积分的解释
  • 2-微积分的解释
2-3 定积分
  • 3-定积分
2-4 定积分性质
  • 4-定积分性质
2-5 牛顿-莱布尼茨公式
  • 5-牛顿-莱布尼茨公式
第三章 第三章 泰勒公式与拉格朗日
3-1 泰勒公式出发点
  • 1-泰勒公式出发点
3-2 一点一世界
  • 2-一点一世界
3-3 阶数的作用
  • 3-阶数的作用
3-4 阶乘的作用
  • 4-阶乘的作用
3-5 拉格朗日乘子法
  • 1-拉格朗日乘子法
3-6 求解拉格朗日乘子法
  • 2-求解拉格朗日乘子法
第四章 第四章 线性代数基础
4-1 行列式概述
  • 1-行列式概述
4-2 矩阵与数据的关系
  • 2-矩阵与数据的关系
4-3 矩阵基本操作
  • 3-矩阵基本操作
4-4 矩阵的几种变换
  • 4-矩阵的几种变换
4-5 矩阵的秩
  • 5-矩阵的秩
4-6 内积与正交
  • 6-内积与正交
第五章 第五章 特征值与矩阵分解
5-1 特征值与特征向量
  • 1-特征值与特征向量
5-2 特征空间与应用
  • 2-特征空间与应用
5-3 SVD要解决的问题
  • 1-SVD要解决的问题
5-4 特征值分解
  • 2-特征值分解
5-5 SVD矩阵分解
  • 3-SVD矩阵分解
第六章 第六章 随机变量
6-1 离散型随机变量
  • 1-离散型随机变量
6-2 连续型随机变量
  • 2-连续型随机变量
6-3 简单随机抽样
  • 3-简单随机抽样
6-4 似然函数
  • 1-似然函数
6-5 极大似然估计
  • 2-极大似然估计
第七章 第七章:概率论基础
7-1 概率与频率
  • 1-概率与频率
7-2 古典概型
  • 2-古典概型
7-3 条件概率
  • 3-条件概率
7-4 条件概率小例子
  • 4-条件概率小例子
7-5 独立性
  • 5-独立性
7-6 二维离散型随机变量
  • 6-二维离散型随机变量
7-7 二维连续型随机变量
  • 7-二维连续型随机变量
7-8 边缘分布
  • 8-边缘分布
7-9 期望
  • 9-期望
7-10 期望求解
  • 10-期望求解
7-11 马尔科夫不等式
  • 11-马尔科夫不等式
7-12 切比雪夫不等式
  • 12-切比雪夫不等式
7-13 后验概率估计
  • 1-后验概率估计
第八章 第八章:数据科学你得知道的几种分布
8-1 正太分布
  • 1-正太分布
8-2 二项式分布
  • 2-二项式分布
8-3 泊松分布
  • 3-泊松分布
8-4 均匀分布
  • 4-均匀分布
8-5 卡方分布
  • 5-卡方分布
8-6 beta分布
  • 6-beta分布
第九章 第九章:核函数变换
9-1 核函数的目的
  • 1-核函数的目的
9-2 线性核函数
  • 2-线性核函数
9-3 多项式核函数
  • 3-多项式核函数
9-4 核函数实例
  • 4-核函数实例
9-5 高斯核函数
  • 5-高斯核函数
9-6 参数的影响
  • 6-参数的影响
第十章 第十章:熵与激活函数
10-1 熵的概念
  • 1-熵的概念
10-2 熵的大小意味着什么
  • 2-熵的大小意味着什么
10-3 激活函数
  • 1-激活函数
10-4 激活函数的问题
  • 2-激活函数的问题
第十一章 第十一章:回归分析
11-1 回归分析概述
  • 1-回归分析概述
11-2 回归方程定义
  • 2-回归方程定义
11-3 误差项的定义
  • 3-误差项的定义
11-4 最小二乘法推导与求解
  • 4-最小二乘法推导与求解
11-5 回归方程求解小例子
  • 5-回归方程求解小例子
11-6 回归直线拟合优度
  • 6-回归直线拟合优度
11-7 多元与曲线回归问题
  • 7-多元与曲线回归问题
11-8 Python工具包介绍
  • 8-Python工具包介绍
11-9 statasmodels回归分析
  • 9-statsmodels回归分析
11-10 高阶与分类变量实例
  • 10-高阶与分类变量实例
11-11 案例:汽车价格预测任务概述
  • 11-案例:汽车价格预测任务概述
11-12 案例:缺失值填充
  • 12-案例:缺失值填充
11-13 案例:特征相关性
  • 13-案例:特征相关性
11-14 案例:预处理问题
  • 14-案例:预处理问题
11-15 案例:回归求解
  • 15-案例:回归求解
第十二章 第十二章:假设检验
12-1 假设检验基本思想
  • 1-假设检验基本思想
12-2 左右侧检验与双侧检验
  • 2-左右侧检验与双侧检验
12-3 Z检验基本原理
  • 3-Z检验基本原理
12-4 Z检验实例
  • 4-Z检验实例
12-5 T检验基本原理
  • 5-T检验基本原理
12-6 T检验实例
  • 6-T检验实例
12-7 T检验应用条件
  • 7-T检验应用条件
12-8 卡方检验
  • 8-卡方检验
12-9 假设检验中的两类错误
  • 9-假设检验中的两类错误
12-10 Python假设检验实例
  • 10-Python假设检验实例
12-11 Python卡方检验实例
  • 11-Python卡方检验实例
第十三章 第十三章:相关分析
13-1 相关分析概述
  • 1-相关分析概述
13-2 皮尔森相关系数
  • 2-皮尔森相关系数
13-3 计算与检验
  • 3-计算与检验
13-4 斯皮尔曼等级相关
  • 4-斯皮尔曼等级相关
13-5 肯德尔系数
  • 5-肯德尔系数
13-6 质量相关分析
  • 6-质量相关分析
13-7 偏相关与复相关
  • 7-偏相关与复相关
第十四章 第十四章:方差分析
14-1 方差分析概述
  • 1-方差分析概述
14-2 方差的比较
  • 2-方差的比较
14-3 方差分析计算方法
  • 3-方差分析计算方法
14-4 方差分析中的多重比较
  • 4-方差分析中的多重比较
14-5 多因素方差分析
  • 5-多因素方差分析
14-6 Python方差分析实例
  • 6-Python方差分析实例
第十五章 第十五章:聚类分析
15-1 层次聚类概述
  • 1-层次聚类概述
15-2 层次聚类流程
  • 2-层次聚类流程
15-3 层次聚类实例
  • 3-层次聚类实例
15-4 Kmeans聚类算法
  • 1-KMEANS算法概述
  • 2-KMEANS工作流程
  • 3-KMEANS迭代可视化展示
15-5 DBSCAN聚类算法
  • 1-DBSCAN聚类算法
  • 2-DBSCAN工作流程
  • 3-DBSCAN可视化展示
15-6 聚类算法实践
  • 1-多种聚类算法概述
  • 2-聚类案例实战
第十六章 第十六章:贝叶斯分析
16-1 贝叶斯分析概述
  • 1-贝叶斯分析概述
16-2 概率的解释
  • 2-概率的解释
16-3 贝叶斯学派与经典统计学派的争论
  • 3-贝叶斯学派与经典统计学派的争论
16-4 贝叶斯算法概述
  • 4-贝叶斯算法概述
16-5 贝叶斯推导实例
  • 5-贝叶斯推导实例
16-6 贝叶斯拼写纠错实例
  • 6-贝叶斯拼写纠错实例
16-7 垃圾邮件过滤实例
  • 7-垃圾邮件过滤实例
16-8 贝叶斯解释
  • 7-贝叶斯解释
16-9 经典求解思路
  • 8-经典求解思路
16-10 MCMC概述
  • 9-MCMC概述
16-11 PYMC3概述
  • 10-PYMC3概述
16-12 模型诊断
  • 11-模型诊断
16-13 模型决策
  • 12-模型决策