第一课：机器学习的数学基础

   1.  机器学习的数学基础

        a. 函数与数据的泛化（ Function and Data Generalization)

        b. 推理与归纳 (Deduction and Induction)

   2. 线性代数（Linear Algebra）

        a. 向量与矩阵 (Vector and Matrix)

        b. 特征值与特征向量

        c. 高维空间向量（Vector in High-Dimensional Space）

        d. 特征向量（Feature Vector）

   3.  概率与统计（Probability and Statistics）

        a. 条件概率与经典问题 (Conditional Probability)

        b. 边缘概率 (Marginal Probability)

   4.  作业/实践： 财宝问题的概率计算程序

第二课：机器学习的数学基础

   1.  统计推理（Statistical Inference）

        a. 贝叶斯原理与推理 (Bayesian Theorem)

        b. 极大似然估计 (Maximum Likelihood)

        c. 主观概率（Subjective Probability）

by cruboy