- PRML 第五章：神经网络 — 从固定基函数到可学习表示13 分钟13 分钟
PRML 第五章核心推导与代码实现：前馈网络、反向传播、数值梯度验证、XOR、正则化与早停
- PRML 第四章：线性分类模型 — 从决策边界到贝叶斯逻辑回归12 分钟12 分钟
PRML 第四章核心推导与代码实现：线性判别、Fisher、感知机、生成式分类、逻辑回归、Softmax 与贝叶斯近似
- PRML 第三章：线性回归模型 — 从最大似然到贝叶斯36 分钟36 分钟
PRML 第三章完整推导与代码实现：极大似然、基函数、正则化、偏差-方差分解、贝叶斯线性回归
- 深度学习中的数学3 分钟3 分钟
介绍深度学习中常用的数学概念和方法，包括线性代数、概率论、微积分等。
- 深度学习中的矩阵求导基础7 分钟7 分钟
介绍深度学习中常用的矩阵求导基础知识，包括分母布局和分子布局，以及链式法则的应用。