一、数据分析
1）常数e
2）导数
3）梯度
4）Taylor
5）gini系数
6）信息熵与组合数
7）梯度下降
8）牛顿法
二、概率论
1）微积分与逼近论
2）极限、微分、积分基本概念
3）利用逼近的思想理解微分，利用积分的方式理解概率
4）概率论基础
5）古典模型
6）常见概率分布
7）大数定理和中心极限定理
8）协方差(矩阵)和相关系数
9）最大似然估计和最大后验估计
三、线性代数及矩阵
1）线性空间及线性变换
2）矩阵的基本概念
3）状态转移矩阵
4）特征向量
5）矩阵的相关乘法
6）矩阵的QR分解
7）对称矩阵、正交矩阵、正定矩阵
8）矩阵的SVD分解
9）矩阵的求导
10）矩阵映射/投影
四、凸优化
1）凸优化基本概念
2）凸集
3）凸函数
4）凸优化问题标准形式
5）凸优化之Lagerange对偶化
6）凸优化之牛顿法、梯度下降法求解