体系课-深入AI 大模型必修数学体系
├── 阶段1：线性代数：批量数据规律的研究
│ ├── 第1周 线性代数入门：由来、与人工智能的关系
│ │ ├── 第1章 线性代数入门：由来、与人工智能的关系
│ │ └── 第2章 线性代数核心概念-走进矩阵
│ ├── 第2周 矩阵进阶运算与矩阵分解
│ │ ├── 第1章 矩阵进阶运算
│ │ └── 第2章 矩阵分解
│ ├── 第3周 特征分解
│ │ └── 第1章 特征分解
│ ├── 第4周 奇异值分解SVD
│ │ └── 第1章 奇异值分解SVD
│ └── 第5周 主成分分析PCA
│ └── 第1章 主成分分析PCA
├── 阶段2：线性代数实战
│ ├── 第6周 Numpy快速上手，用Python实现矩阵
│ │ ├── 第1章 Numpy学习入门
│ │ └── 第2章 用Python实现矩阵
│ └── 第7周 数据处理方法与矩阵与图形变换
│ ├── 第1章 数据处理方法
│ └── 第2章 矩阵与图形变换
├── 阶段3：微积分：研究数据变化的规律与模型优化
│ ├── 第8周 微积分入门，微积分核心基础
│ │ ├── 第1章 微积分入门
│ │ └── 第2章 微积分核心基础
│ ├── 第9周 微积分进阶与多元微积分
│ │ ├── 第1章 微积分进阶
│ │ └── 第2章 多元微积分
│ └── 第10周 积分基础
│ └── 第1章 积分基础
├── 阶段4：微积分实战和进阶
│ ├── 第11周 用微积分知识实现一个神经网络
│ ├── 第12周 ROC曲线与分类性能评估
│ ├── 第13周 神经网络梯度问题
│ ├── 第14周 神经网络自动微分
│ └── 第15周 偏导数与模型优化与支持向量机SVM
├── 阶段5：概率论：应对现实世界中不确定性、神经网络的理论基础
│ ├── 第16周 概率基础与离散概率分布
│ ├── 第17周 连续概率分布与概率密度估计
│ ├── 第18周 最大似然估计，贝叶斯概率
│ └── 第19周 贝叶斯回归
└── 阶段6：综合实战、总结
└── 第20周 LLM大语言模型的实现：深入大语言模型的核心数学原理
├── 第1章 LLM大语言模型的实现和背后的数学原理
└── 第2章 数学面试题讲解
