课程试听
第一章 第一章 高等数学基础
1-1 课程简介
- 0-课程简介 免费试学
1-2 函数
- 1-函数 免费试学
1-3 极限
- 2-极限 免费试学
1-4 无穷小与无穷大
- 3-无穷小与无穷大 免费试学
1-5 连续性与导数
- 4-连续性与导数 免费试学
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