东方耀老师 人工智能之从头开始学数学视频教程

一门“补课型”AI 数学课，定位先说清楚

东方耀这套《人工智能之从头开始学数学》在同类资料里属于比较少见的一类：它不教你调包，也不急着把你推到神经网络代码面前，而是默认你在看梯度下降、反向传播、概率图模型时会卡在符号推导上。1098 元的标价放在当年不算便宜，说明它的目标人群不是零基础小白，而是“会写代码但数学断档”的转行者，以及想回头把线代、微积分、概率统计重新串一遍的开发者。

判断这类课值不值得花时间，关键看两件事：它是否把数学概念和 AI 里的具体对象对应上，以及它有没有给出可反复回看的推导过程。这门课在结构上基本是按这两条线走的。

课纲里真正有含金量的部分

线性代数通常是最容易被讲成“矩阵运算大全”的一块，但真正决定你能不能看懂 Transformer 的，是向量空间、特征值分解、矩阵求导这几节。这门课在矩阵部分花的时间偏多，尤其是把矩阵乘法和线性变换的几何意义对照着讲，对后面理解注意力机制里的 QKV 计算很有帮助。

微积分部分值得精看的是链式法则和多元函数求导。反向传播本质就是链式法则在计算图上的展开，如果这一节只是照着公式念，那价值会打折；但如果它把求导过程一步步展开到偏导层面，那就值得反复看两遍，并且自己手推一遍。

概率统计这块是最容易被略过的。很多 AI 课程讲贝叶斯只给一个公式，但这门课把条件概率、极大似然估计和朴素贝叶斯串在一起讲，对理解分类任务的损失函数设计有直接帮助。

哪些章节可以快进，哪些必须停下来

• 基础概念回顾（集合、函数、极限）：如果本科阶段学过高等数学，这部分可以 1.5 倍速过一遍，主要是找回符号习惯。
• 矩阵运算与线性变换：必须停下来，建议手写推导，尤其是矩阵乘法的维度匹配和转置规则。
• 导数与偏导数：必须停下来，链式法则要练到不看笔记也能展开。
• 概率基础与贝叶斯：值得停下来，但可以跳过纯组合数学的例题。
• 综合应用案例：视个人方向取舍，如果目标是 NLP 方向，可以重点看概率和矩阵部分对应的案例。

资料包怎么拆开用

这套资料不是“看完就完”的类型，更合理的用法是拆成三层：第一层是视频本身，按章节顺序看，但不要连续刷，每看完一个数学模块就停下来做几道手推题；第二层是配套的笔记或讲义，用来对照视频里跳过的中间推导步骤，尤其是矩阵求导那几节，视频里为了节奏往往省略了展开过程；第三层是回看标记，把链式法则、特征值、贝叶斯这三块单独标出来，以后遇到具体模型卡壳时直接跳回去查，而不是重新从头看一遍。

另外，这类数学课不适合“收藏了就安心”。如果你只是把它存进资料库，大概率不会打开第二次。比较现实的安排是：先用一周时间把线代和微积分部分过完，然后立刻找一个简单的线性回归或逻辑回归项目，用 numpy 手写一遍梯度下降。数学课的价值只有在被代码验证过一次之后才会真正留下来。

适合谁，不适合谁

如果你已经在用 PyTorch 跑模型，但看到损失函数推导就跳过，这门课值得补。如果你连 Python 基础都还没打牢，先别急着上，数学课不会帮你解决代码层面的问题。它的定位是“补齐推导能力”，不是“带你做项目”，这一点在拆资料包的时候要提前想清楚。