快速上手Ai理论及应用实战

AiLearning-Theory-Applying 快速上手Ai理论及应用实战：基础知识Basic knowledge、机器学习MachineLearning、深度学习DeepLearning2、PyTorch、视觉opencv、自然语言处理BERT，持续更新中。含大量注释及数据集，力求每一位能看懂并复现。

学习章节：

• 必备数学基础Basic knowledge
  • 高等数学基础
  • 微积分
  • 泰勒公式
  • 线性代数基础
  • 随机变量
  • 概率论基础
  • 数据科学的几种分布
  • 核函数
  • 熵和激活函数
  • 回归分析
  • 假设检验
  • 相关分析
  • 方差分析
  • KMEANS算法
  • 贝叶斯分析
• 机器学习MachineLearning
  • 快手用户活跃预测（含数据集）
  • 工业化工生产预测（含数据集）
  • 智慧城市-道路通行时间预测（含数据集）
  • 特征工程建模（含数据集）
  • 常用特征构建方法（含数据集）
  • 建筑能源利用率预测（含数据集）