1 01~微积分 [4] 1.1 傅里叶变换 1.2 函数、极限与连续 1.3 导数 1.4 常见导数 2 02~线性代数 [7] 2.1 99~参考资料 [2] 2.1.1 3Blue1Brown~《线性代数的本质》 [1] 2.1.1.1 赛维勒的理发师~笔记 2.1.2 子实~《线性代数笔记》 [1] 2.1.2.1 ReadMe 2.2 向量运算 2.3 特殊函数 2.4 特殊矩阵 2.5 矩阵分解 2.6 矩阵运算 2.7 距离与相似性 3 03~概率论与数理统计 [8] 3.1 99~参考资料 [2] 3.1.1 《深入浅出统计学》 3.1.2 概率论与数理统计笔记 3.2 参数估计 3.3 常见概率分布 [3] 3.3.1 多项分布 3.3.2 正态分布 3.3.3 泊松分布 3.4 概率图模型 [1] 3.4.1 条件随机场 3.5 概率论基础 [4] 3.5.1 中心极限与大数定理 3.5.2 最小二乘法 3.5.3 期望与方差 3.5.4 概率与分布 3.6 蒙特卡洛 [1] 3.6.1 蒙特卡罗方法 3.7 贝叶斯理论 [3] 3.7.1 变分贝叶斯推导 3.7.2 朴素贝叶斯 3.7.3 贝叶斯推导 3.8 马尔科夫模型 [1] 3.8.1 隐马尔科夫模型 4 04~信息论 [2] 4.1 KL 散度 4.2 熵 5 05~最优化方法 [7] 5.1 EM 算法 5.2 优化理论 [1] 5.2.1 代价函数 5.3 凸优化 5.4 数值计算 [2] 5.4.1 数值稳定性 5.4.2 梯度下降 5.5 模拟退火 5.6 爬山算法 5.7 遗传算法 [2] 5.7.1 生物学背景 5.7.2 进化过程 6 99~参考资料 [3] 6.1 《数学要素》 [1] 6.1.1 01.万物皆数 6.2 华校专 《AI 算法工程师手册 数学基础》 6.3 程序员数学 [3] 6.3.1 多元函数微分学 6.3.2 微积分基础 6.3.3 线性代数基础 7 INTRODUCTION