程序员的数学基础课学习心得

程序员的数学基础课学习心得

PCA主成分分析（上）：如何利用协方差矩阵来降维？    

PCA主成分分析（下）：为什么要计算协方差矩阵的特征值和特征向量？    

概率和统计：编程为什么需要概率和统计？    

概率基础（上）：一篇文章帮你理解随机变量、概率分布和期望值    

概率基础（下）：联合概率、条件概率和贝叶斯法则，这些概率公式究竟能做什么？    

概率统计篇答疑和总结：为什么会有欠拟合和过拟合？    

归一化和标准化：各种特征如何综合才是最合理的？    

矩阵（上）：如何使用矩阵操作进行PageRank计算？    

矩阵（下）：如何使用矩阵操作进行协同过滤推荐？    

决策树：信息增益、增益比率和基尼指数的运用    

马尔科夫模型：从PageRank到语音识别，背后是什么模型在支撑？    

朴素贝叶斯：如何让计算机学会自动分类？    

奇异值分解：如何挖掘潜在的语义关系？    

熵、信息增益和卡方：如何寻找关键特征？    

统计意义（上）：如何通过显著性检验，判断你的A-B测试结果是不是巧合？    

统计意义（下）：如何通过显著性检验，判断你的A-B测试结果是不是巧合？    

文本分类：如何区分特定类型的新闻？    

文本检索：如何让计算机处理自然语言？    

文本聚类：如何过滤冗余的新闻？    

线性代数：线性代数到底都讲了些什么？    

线性代数篇答疑和总结：矩阵乘法的几何意义是什么？    

线性回归（上）：如何使用高斯消元求解线性方程组？    

线性回归（下）：如何使用最小二乘法进行效果验证？    

线性回归（中）：如何使用最小二乘法进行直线拟合？    

向量空间模型：如何让计算机理解现实事物之间的关系？    

信息熵：如何通过几个问题，测出你对应的武侠人物？    

语言模型：如何使用链式法则和马尔科夫假设简化概率模型？