AI学习-Week1

# DAY1-4：准备阶段

# 一、具体要求

1. 克隆仓库：

   • git clone --recursive https://github.com/fengdu78/Data-Science-Notes.git

2. 阅读仓库【0.math】部分，复习数学相关知识：

   • 线性代数：
     • 向量和矩阵运算
     • 矩阵求逆
     • 矩阵分解
   • 微积分：
     • 微分
     • 梯度
     • 凸函数和优化
   • 概率论：
     • 随机变量
     • 分布
     • 贝叶斯公式
     • 参数估计
     • 假设检验

# 二、学习成果展示

1. 学习笔记、思维导图的分享
2. 自选题目进行练习

# 三、参考资料

1. 深度学习：
   • 《Deep Learning》 Yoshua Bengio & Ian GoodFellow 第一部分
2. 线性代数：
   • 《Mathematics for Machine Learning: Linear Algebra》
3. 概率论与数理统计：
   • 《概率论与数理统计》浙江大学 高等教育出版社

# DAY5-7：Python和常用库

# 一、具体要求

1. Python常用语法：
   python-basicopen in new window
   • 控制语句
   • 函数
   • 类
2. Python常用库：
   • Numpyopen in new window
   • Pandasopen in new window
   • Scipyopen in new window
   • data-visualization（数据可视化基础，包含matplotlib和seaborn）open in new window
   • scikit-learnopen in new window

阅读官方学习文档，搭配Data-Science-Notesopen in new window仓库部分学习

# 二、学习成果展示

选择一些知识点进行针对性练习：

1. Python练习：
   • Python练习open in new window
2. Numpy Pandas等练习：
   • DataCamp练习open in new window

# 三、参考资料

1. Python和常用库

• 菜鸟open in new window
• Python官方学习文档open in new window
• scikit-learn官方学习文档open in new window
• NumPy官方学习文档open in new window
• Pandas官方学习文档open in new window
• Matplotlib官方学习文档open in new window