简介:程序员读懂代码、调试程序的前提是深入理解算法原理,而算法原理则是建立在高等数学、概率论、数值分析、 矩阵理论等课程之上,其中以高等数学为基础中的基础。本课程将带您由渐入深地进入高数的世界,在深入理解函数、极限、导数等概念基础上,为您详细剖析机器学习中的核心算法之一梯度下降算法,并通过python实现,让您真正掌握算法背后的数学逻辑。
第1章 课程介绍【欢迎学习,有任何学习问题请在问答区进行问答】
本课程内容从函数定义及常用函数开始、再到一元函数导数与微分、二元函数偏导数与微分、方向导数,最后是梯度下降算法及其python实现。
第2章 函数【高数的基础,请认真听】
本章主要讲解函数定义、定义域、值域、函数性质:单调性、奇偶性、周期性,常用函数:一次函数、二次函数、三角函数、函数平移与伸缩变换、指数函数、对数函数,机器学习常用函数:sigmoid函数、tanh双曲正切函数、ReLU线性 整流函数、softmax分类函数以及函数应用:等额本息、等额本金两种还款方式。
第3章 导数与微分【高数的重点知识】
本章主要讲解一元函数极限、一元函数连续性的判定、一元函数导数、导数与函数单调性、一元函数微分
以及二元函数极限、二元函数连续性的判定、二元函数偏导数及意义以及二元函数微分、方向导数及意义。
第4章 【实战】梯度下降【 机器学习常用的优化方法之一】
本章主要讲解一元函数极致迭代搜索方法、梯度下降算法原理
梯度下降算法迭代过程、梯度下降算法的局限性、最终用Python实现梯度下降算法。