人工智能下面分很多
但是在学习之前是要有一定的数学基础, 我下学期想选机器学习和计算机视觉还有计算机图像处理，请大神能将下面的数学基础分一下类， 以下数学基础分别属于哪一门课，拜谢！
我在网上买了一些课程, 目录如下:
• 1.0-本微专业概述
• 1.1-线性回归建模
• 1.2-无约束优化梯度分析法（上）
• 1.3-无约束优化梯度分析法（下）
• 1.4-无约束迭代法
• 1.5-线性回归求解
• 1.6-案例分析
• 1.0-本微专业概述PPT
• 第二章 深度学习反向传播
• 2.1-回归与分类、神经网络
• 2.2-BP算法（上）
• 2.3-BP算法（下）
• 2.4- 计算图
• 第一章 凸优化基础
• 1.1-一般优化问题
• 1.2-凸集和凸函数基础（上）
• 1.3-凸集和凸函数基础（下）
• 1.4-凸优化问题
• 1.5-案例分析
• 第一章 凸优化基础PPT
• 第二章 凸优化进阶之对偶理论
• 2.1-凸优化问题
• 2.2-对偶（上）
• 2.3-对偶（下）
• 2.4-问题案例
• 第二章 凸优化进阶之对偶理论PPT
• 第三章 SVM
• 3.1-问题案例
• 3.2-SVM 建模-成片
• 3.3-SVM 求解-成片
• 3.4-SVM 扩展，附案例-成片
• 第三章 SVM PPT
• 第一章 矩阵分析上篇
• 线性代数基础与精华
• 特征分解
• PCA
• 第一章 矩阵分析上篇 PPT
• 第二章 矩阵分析下篇
• 特征分解复习
• SVD理论
• 矩阵其他重要知识及实际应用
• 第二章 矩阵分析下篇 PPT
• 第一章 概率统计上篇
• 事件
• 随机变量及其数字特征
• 人工智能中常见分布和实战案例
第一章 概率统计上篇PPT
• 第二章 概率论统计中篇
• 数理统计
• 线性回归与逻辑回归
• 贝叶斯的观点和案例实战
• 第二章 概率论统计中篇PPT
• 第三章 概率论统计下篇
• 聚类、GMM模型
• EM算法
• 第三章 概率论统计下篇PPT
