机器学习的数学基础（53集高等数学线性代数概率论数理统计）

课程目录：

├── 第3章-线性代数
│   ├── 3-1 本集介绍.mp4
│   ├── 3-9 矩阵分解.mp4
│   ├── 3-6 行列式.mp4
│   ├── 3-3 向量与矩阵运算.mp4
│   ├── 3-8 二次型与正定性.mp4
│   ├── 3-2 向量矩阵张量.mp4
│   ├── 3-4 张量的运算.mp4
│   ├── 3-10 本集总结.mp4
│   ├── 3-7 线性方程组.mp4
│   ├── 3-5 矩阵的逆与伪逆.mp4
├── 第1章-微分上
│   ├── 1-10 本集总结.mp4
│   ├── 1-4 导数.mp4
│   ├── 1-2 O（n）.mp4
│   ├── 1-8 泰勒展开.mp4
│   ├── 1-5 求导方法.mp4
│   ├── 1-6 费马定理.mp4
│   ├── 1-7 函数逼近.mp4
│   ├── 1-3 极限.mp4
│   ├── 1-9 凸函数.mp4
│   ├── 1-1 课程介绍.mp4
├── 第4章-概率统计
│   ├── 4-1 本集介绍.mp4
│   ├── 4-8 统计学基本概念.mp4
│   ├── 4-9 极大似然估计.mp4
│   ├── 4-11 蒙特卡洛方法.mp4
│   ├── 4-14 本集总结.mp4
│   ├── 4-12 Bootstrap方法.mp4
│   ├── 4-10 zuida后验估计.mp4
│   ├── 4-6 特征函数与中心极限定理.mp4
│   ├── 4-7 统计学基本概念.mp4
│   ├── 4-5 大数定律.mp4
│   ├── 4-3 贝叶斯定理.mp4
│   ├── 4-2 随机变量与概率分布.mp4
│   ├── 4-13 EM算法.mp4
│   ├── 4-4 期望、方差与条件数学期望.mp4
├── 第5章-zui优化方法
│   ├── 5-1 5.1 本集简介.mp4
│   ├── 5-4 共轭梯度法.mp4
│   ├── 5-8 KKT条件.mp4
│   ├── 5-7 约束非线性优化.mp4
│   ├── 5-3 最速下降法.mp4
│   ├── 5-6 拟牛顿法.mp4
│   ├── 5-5 牛顿法.mp4
│   ├── 5-2 优化问题简介.mp4
│   ├── 5-9 本集总结.mp4
├── 第2章-微分下
│   ├── 2-2 多元函数.mp4
│   ├── 2-9 拉格朗日乘数法.mp4
│   ├── 2-5 可微.mp4
│   ├── 2-8 Hessian矩阵.mp4
│   ├── 2-7 链式法则.mp4
│   ├── 2-4 方向导数.mp4
│   ├── 2-6 梯度.mp4
│   ├── 2-10 本集总结.mp4
│   ├── 2-3 偏导数.mp4
│   ├── 2-1 本集介绍.mp4