如果说程序开发的根本在于逻辑,那么AI的“根本”在于数学。AI人才的需求在可预见的多年内还将以爆发的态势增长,但普通程序员困于数学知识的欠缺,多局限在AI应用层开发,在模型的构建、训练、微调、优化以及数据处理、性能评估方面无法突破。现在很多数学教程基于高校高等数学基础设计,对多数开发人员有难度,并且偏离AI实践。鉴于此,本课程严选AI强关联数学干货,降低学习门槛、可视化呈现、数学与代码结合的程序员友好课程设计,广泛覆盖AI所必备的数学基础,旨在消除程序员在深入AI领域的数学屏障,无论你是想夯实数学基础,还是深耕AI领域,这门课程都将是你的首选。本课程是数学基础系列的概率与统计部分,概率与统计为人工智能提供了理论支撑,让我们真正理解人工智能的数学逻辑与运行机制。
课程适合:数学基础薄弱、缺乏实践的同学、想转AI专业以及有意转型AI领域的开发人员、想深入大模型原理,想对大模型微调,上下文学习,PromptEngineering,和想训练自己的大模型,有更高追求的同学。
学前技术储备:了解python语法最佳。
构建起概率论的核心知识框架,不仅从频率派与贝叶斯派理解了不确定性的本质,更掌握了随机变量、数字特征及多变量关系这些关键分析工具,在此基础上系统学习了伯努利、二项、多项分布等经典离散概率模型,从而理解机器学习分类任务中的直接应用。