簡介：如果說程序開發的根本在于邏輯，那么AI的“根本”在于數學。AI人才的需求在可預見的多年內還將以爆發的態勢增長，但普通程序員困于數學知識的欠缺，多局限在AI應用層開發，在模型的構建、訓練、微調、優化以及數據處理、性能評估方面無法突破。現在很多數學教程基于高校高等數學基礎設計，對多數開發人員有難度，并且偏離AI實踐。鑒于此，本課程嚴選AI強關聯數學干貨，降低學習門檻、可視化呈現、數學與代碼結合的程序員友好課程設計，廣泛覆蓋AI所必備的數學基礎，旨在消除程序員在深入AI領域的數學屏障，無論你是想夯實數學基礎，還是深耕AI領域，這門課程都將是你的首選。本課程是數學基礎系列的線性代數部分，線性代數是人工智能的重要工具，是計算機處理、運算和表達海量數據的數學基石。
第1章 中學基礎知識回顧—代數基礎與方程入門
人工智能數學前置基礎：涵蓋代數基本概念、運算律及方程的基本類型與求解
第2章 中學基礎知識回顧—不等式與函數
人工智能數學前置基礎：系統介紹不等式、區間表示及函數的定義與基本形式
第3章 中學基礎知識回顧—多項式及其運算
人工智能數學前置基礎：深入講解多項式的性質、因式分解與除法等核心運算
第6章 線性代數入門：由來、與人工智能的關系
線性代數與人工智能的關系，配置開發環境，快速入門編程，了解線性代數的基本概念和應用。
- 視頻： 6-1 程序員數學體系課導學 (11:24)
- 視頻： 6-2 準備編程環境 (03:23)
- 視頻： 6-3 Matplotlib快速上手 (12:32)
- 視頻： 6-4 Matplotlib練習-1 (20:00)
- 視頻： 6-5 Matplotlib練習-2 (23:57)
- 視頻： 6-6 線性代數：從線性方程中來 (10:43)
- 視頻： 6-7 線性代數的作用，與人工智能的關系 (12:09)
- 視頻： 6-8 線性代數在機器學習中的實踐 (03:48)
- 視頻： 6-9 常用科學計算，機器學習庫的介紹和對比 (04:52)
- 視頻： 6-10 線性代數入門練習-1 (18:31)
- 視頻： 6-11 線性代數入門練習-2 (16:57)
解鎖即可觀看《深入AI/大模型必修數學體系》完整課程視頻
深入AI/大模型必修數學體系
嚴選AI強關聯數學干貨，數學與代碼結合、50+AI與數學實踐，通俗易懂，系統化學習，旨在消除程序員在深入AI領域的數學屏障，無論你是想夯實數學基礎，還是深耕AI領域，本課都將是你的首選
【第0周】前置數學知識：基礎代數，三角，指數與對數
【第1周】線性代數入門：由來、與人工智能的關系
【第2周】矩陣進階運算與矩陣分解
【第3周】特征分解
【第4周】奇異值分解SVD
【第5周】主成分分析PCA
【第6周】Numpy快速上手，用Python實現矩陣
【第7周】數據處理方法與矩陣與圖形變換
【第8周】微積分入門，微積分核心基礎
【第9周】微積分進階與多元微積分
【第10周】積分基礎
【第11周】用微積分知識實現一個神經網絡
【第12周】ROC曲線與分類性能評估
【第13周】神經網絡梯度問題
【第14周】神經網絡自動微分
【第15周】偏導數與模型優化與支持向量機SVM
【第16周】概率基礎與離散概率分布
【第17周】連續概率分布與概率密度估計
【第18周】最大似然估計，貝葉斯概率
【第19周】貝葉斯回歸
【第20周】LLM大語言模型的實現：深入大語言模型的核心數學原理
【第21周】擴散模型（Diffusion Model）圖像生成的數學原理