之前也在AI的简介里说了，需要一些python、高数、线代以及概率论的知识

我会在这里尽可能的去补充相关的知识

在深度学习的时候，老师也进行了简单的讲解，然后我就稍微补充了一下，也简略过了一下机器学习的数学和机器学习基础

但也仅供参考

课前发的链接

• 2025-5-1 1.微积分

遇到导数和偏导数、梯度向量、泰勒展开等等概念和相关公式运用，可以通过学堂在线的慕课来系统学习，如：清华大学扈志明老师的《微积分》：

《微积分：极限理论与一元函数》https://www.xuetangx.com/course/THU07011000400/10322196

《微积分：多元函数与重积分》

https://www.xuetangx.com/course/THU07011000401/10322198

《高数复习课-4小时讲完高等数学/微积分（上）》

https://www.xuetangx.com/training/KC38770000001/858944|

2.线性代数

线性代数相关知识是学习计算机、人工智能所必须的，会经常遇到向量及其运算、矩阵及其运算、特征值与特征向量等等，推荐系统学习 比如清华大学数学系马辉教授的《线性代数》

《线性代数（1）》

https://www.xuetangx.com/course/THU07011000411/10322226

《线性代数（2）》

https://www.xuetangx.com/course/THU07011000412/10322230

《线代复习课-4小时讲完线性代数》

https://www.xuetangx.com/training/KC38770000002/860102|

3.概率论与数理统计

概率论和数理统计，当前的AI也许属于概率和统计的学科范畴

a)3.1概率、随机事件和随机变量

b)3.2条件概率与贝叶斯公式

c)3.3常用的概率分布

d)3.4随机变量的均值和方差、协方差

e)3.5最大似然估计

推荐清华大学《概率论与数理统计》

https://www.xuetangx.com/course/THU07011000299/10322048

《4.5小时讲解概率论与数理统计》

https://www.xuetangx.com/training/KC0000006305/1441781|

4.最优化

a)4.1最优化基本概念介绍

b)4.2凸优化的基本概念

c)4.3最优性条件

d)4.4范数的概念和性质

e)4.5数据拟合方法

链接：最优化方法

https://www.xuetangx.com/course/buctP0701003500/10327823

先修二：程序设计基础

一份简明Python教程：

https://cs231n.github.io/python-numpy-tutorial/

系统的Python课程： Python程序设计：https://www.xuetangx.com/course/SZIIT61021001122/10322190