人工智能很火，机器学习很热，很多同学想去学习，但不知如何下手 网上教程很多，上来就学习模型，使用框架，绕来绕去，理解不了底层原理 机器学习算法推理，大量公式和高等数学让人崩溃，一不小心从入门到放弃
本套课程从零开始，讲解人工智能的全部核心基础， 4天课让你掌握机器学习、线性代数、微积分和概率论，学完课程你可以自己推导损失函数，实现梯度下降，手写神经网络，把控无人驾驶，完成手写字识别...
课程特色 1、通俗易懂，原理和编程分开讲解。 2、0基础就能听懂原理，无需Python基础，了解任意一门编程语言就能听懂代码； 3、不用框架，自己动手实现机器学习核心代码，写神经网络 4、重视原理，讲解高等数学背后的演化过程，从向量到矩阵，从极限到微分 5、由浅入深，从helloworld到神经网络 6、案例丰富，大量实用案例贯穿课程，机器人投掷，预测房价，无人驾驶，自主定位等...
课程目录
第1天： 00_为什么要学习数学 01_引言和学习方法 02_feature和label 03_什么是机器学习 04_数据采集方式 05_knn算法入门 06_knn算法python实现 07_代码流程回顾 08_抽取knn函数 09_实验演示验证结论 10_评估模型好坏的方法，训练集和测试集 11_生成测试和训练数据集 12_调参选取最优的k 13_增加数据的维度 14_numpy加载特殊数据 15_欧式距离 16_二维空间距离的计算 17_代码增加一个维度 18_数据归一化 19_knn的feature的选择 20_向量和向量的运算 21_概念总结 22_使用矩阵和向量实现knn 23_ 房价预测简单框架 24_数据的归一化和标准化 附1_如何学习数学 附：问题1
第2天： 01_线性回归和Knn 02_线性回归解决什么问题 03_Excel进行线性回归 04_损失函数和最小均方差 05_excle来简单理解梯度下降 06_梯度下降的问题分析 07_求导简单入门 08_mse对b进行求导 09_Excel演示梯度下降&学习速率 10_偏导数分别求解m和b的导数 11_对m和b分别进行梯度下降 12_Python代码实现梯度下降 13_代码测试生成m和b 14_作业演示 .......
视频资源网盘截图展示：
视频资料下载网盘已添加，回帖可获取资源下载提取码： https://pan.baidu.com/s/1z4f7gLYXTFJ1ttgkN7KAtw 如需源码资料，回帖查看 | 
收藏
淘帖
踩
