简介：AI在可预见的多年内还将以爆发的态势增长，AI人才需求与日俱增，但普通程序员困于没有扎实的专业数学基础，局限在AI应用层开发，在进一步构建自己的AI模型、调参优化、处理数据并评估性能方面无法突破，甚至很多教程也基于有相关高等数学基础而设计，对于大部分毕业后再未接触过数学的开发人员有相当的难度，鉴于此本课程严选AI强关联数学干货，降低学习门槛、可视化呈现、数学与代码结合的程序员友好课程设计，广泛覆盖AI所必备的数学基础，旨在消除程序员在深入AI领域的数学屏障，无论你是想夯实数学基础，还是深耕AI领域，这门课程都将是你的首选。
第1章 中学基础知识回顾—代数基础与方程入门
人工智能数学前置基础：涵盖代数基本概念、运算律及方程的基本类型与求解
第2章 中学基础知识回顾—不等式与函数
人工智能数学前置基础：系统介绍不等式、区间表示及函数的定义与基本形式
第3章 中学基础知识回顾—多项式及其运算
人工智能数学前置基础：深入讲解多项式的性质、因式分解与除法等核心运算
第6章 线性代数入门：由来、与人工智能的关系
线性代数与人工智能的关系，配置开发环境，快速入门编程，了解线性代数的基本概念和应用。
- 视频： 6-1 程序员数学体系课导学 (11:24)
- 视频： 6-2 准备编程环境 (03:23)
- 视频： 6-3 Matplotlib快速上手 (12:32)
- 视频： 6-4 Matplotlib练习-1 (20:00)
- 视频： 6-5 Matplotlib练习-2 (23:57)
- 视频： 6-6 线性代数：从线性方程中来 (10:43)
- 视频： 6-7 线性代数的作用，与人工智能的关系 (12:09)
- 视频： 6-8 线性代数在机器学习中的实践 (03:48)
- 视频： 6-9 常用科学计算，机器学习库的介绍和对比 (04:52)
- 视频： 6-10 线性代数入门练习-1 (18:31)
- 视频： 6-11 线性代数入门练习-2 (16:57)
解锁即可观看《深入AI/大模型必修数学体系》完整课程视频
深入AI/大模型必修数学体系
严选AI强关联数学干货，数学与代码结合、50+AI与数学实践，通俗易懂，系统化学习，旨在消除程序员在深入AI领域的数学屏障，无论你是想夯实数学基础，还是深耕AI领域，本课都将是你的首选
【第0周】前置数学知识：基础代数，三角，指数与对数
【第1周】线性代数入门：由来、与人工智能的关系
【第2周】矩阵进阶运算与矩阵分解
【第3周】特征分解
【第4周】奇异值分解SVD
【第5周】主成分分析PCA
【第6周】Numpy快速上手，用Python实现矩阵
【第7周】数据处理方法与矩阵与图形变换
【第8周】微积分入门，微积分核心基础
【第9周】微积分进阶与多元微积分
【第10周】积分基础
【第11周】用微积分知识实现一个神经网络
【第12周】ROC曲线与分类性能评估
【第13周】神经网络梯度问题
【第14周】神经网络自动微分
【第15周】偏导数与模型优化与支持向量机SVM
【第16周】概率基础与离散概率分布
【第17周】连续概率分布与概率密度估计
【第18周】最大似然估计，贝叶斯概率
【第19周】贝叶斯回归
【第20周】LLM大语言模型的实现：深入大语言模型的核心数学原理
【第21周】扩散模型（Diffusion Model）图像生成的数学原理