🔍 课程大纲
线性代数进阶
- 矩阵分解（SVD、QR）
- 特征值与特征向量的几何意义
- 张量运算在深度学习中的应用
概率统计强化
- 贝叶斯定理与后验概率推导
- 随机变量的期望与方差
- 马尔可夫链蒙特卡洛方法（MCMC）
优化算法深度解析
- 梯度下降法的变种（SGD、Adam）
- 对偶问题与拉格朗日乘数法
- 非凸优化的挑战与解决方案
📘 扩展学习
想深入了解线性代数？可以点击这里：/learn-ml/math/linear-algebra
对概率统计感兴趣？推荐学习路径：/learn-ml/math/probability