这是一套面向程序员、AI 从业者零基础补数学的完结体系课，核心解决痛点：只会调用大模型 API、开源模型，看不懂 Transformer、反向传播、损失函数、词向量底层公式，模型微调、故障排查、模型压缩、炼丹调参完全凭感觉，无法从数学逻辑解释模型行为。
课程特点：只讲大模型、深度学习刚需数学，砍掉大学高数无用知识点，公式 + 可视化 + Python 代码三位一体，配套 60 + 习题、50+AI 实战案例，非应试数学，纯工程落地导向。
体系课-深入AI 大模型必修数学体系课程目录：

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2周 矩阵进阶运算与矩阵分解

第3周 特征分解

第4周 奇异值分解SVD

第5周 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7周 数据处理方法与矩阵与图形变换

阶段3：微积分：研究数据变化的规律与模型优化

第10周 积分基础

第8周 微积分入门，微积分核心基础

第9周 微积分进阶与多元微积分

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
课件资料