内含福利 | 免费课程：机器学习之数学基础

机器学习是以计算机为工具和平台，以数据为研究对象，以学习方法为中心；是概率论、线性代数、数值计算、信息论、最优化理论和计算机科学等多个领域的交叉学科。

目前机器学习最主流的两大类方法的基础：一种是以研究函数和变换为重点的代数方法，比如Dimension reduction，feature extraction，Kernel等；一种是以研究统计模型和样本分布为重点的统计方法，比如Graphical model, Information theoretical models等。它们侧重虽有不同，但是常常是共同使用，这就更加强调了数学基础的重要性。

所以扎实的数学基础是机器学习入门的第一步。

但对于广大非数学科班出身的初学者来说，学习“线性代数、矩阵、概率论、凸优化”这几门课程，不仅费时费力，而且很难完全吃透课程里的知识点。

基于这一学习“刚需”，AI研习社将《机器学习必修之数学基础系列课程》放入国内课程小组，供大家免费-免费-免费学习。

导师简介

蔡佳，广东财经大学“卓越青年教师”校长特聘教授，硕士生导师，博士毕业于香港城市大学数学系，曾数次访问香港城市大学，现正访问纽约州立大学奥尔巴尼分校。现为广东省计算数学学会理事，广东省工业与应用数学学会青年分会委员。

从事机器学习研究有近10年历史，发表SCI论文十几篇，主持国家自然科学基金，国家统计局项目，广州市科技计划，参与广东省自然科学基金，广东省科技计划，教育部项目等十几项项目。目前的研究方向包括：统计学习理论，机器学习。

扫码加入课程

请在本文留言区进行留言，谈谈对深度学习的学习心得，点数最高的前五名将有机会获得《MXNet深度学习实战：计算机视觉算法实现》一本。

活动规则：

1. 必须是AI研习社关注用户；

2. 留言必须是有内容留言，例如“我想要这本书”这类留言将不会展示，也不会获得中奖资格；

3. 本次活动中奖名额为5名；

4. 点截止统计时间为：2019年6月17日23:59:59.
   

本书由网易资深计算机视觉算法工程师魏凯峰撰写，从算法实现和框架原理2个维度详细讲解计算机视觉算法的实现和MXNet框架的使用与原理。

通过阅读本书，你将学到：

• MXNet、TensorFlow、Pytorch、Caffe等深度学习框架的差异

• MXNet框架各主要模块的技术原理和应用实践

• MXNet在图像分类、目标检测、图像分割中的应用，以及相关算法的训练、模型测试和实现细节

• 基于动态图构建网络结构的Gluon接口

• MXNet专门为计算机视觉任务推出的深度学习库GluonCV

• 从零开始实现深度学习和计算机视觉算法的方法

购买通道：

京东

当当

 点击阅读原文，直达课程页面