本概率论视频由汤家凤教授全程讲授，在此致谢汤家凤老师 的辛勤付出！也预祝各位同学考研成功！
至此，（2017.9.18-2017.12.6）已复习汤家凤老师的数学系列课程：
1，106讲 高等数学上册
2，线性代数基础班
3，概率论基础班
数学功底好的同学的也可以一起来学习大数据！开启大数据人工智能之旅！
机器学习和人工智能入门的数学基础知识：
概率论：
1．离散和连续的随机变量（Discrete and continuous random variables）
2．重要的分布（伯努利，分类，二项式，正态，指数，泊松，贝塔，伽马）
3．贝叶斯统计（Bayes statistics）
4．相关和协方差（correlation and covariance）
线性代数：
1．向量和矩阵（Vectors and matrics）
2．矩阵的决定因素（determinant of a matrix）
3．特征向量和特征值（eigenvectors and eigenvalues）
4．矩阵分解（像SVD）（Matrix factorization）
微积分：
1．函数
2．积分
我的努力求学没有得到别的好处，只不过是愈来愈发觉自己的无知。——笛卡儿
学者用功，须是渐进而不已，日计不足，岁计则有余，若一曝十寒，进锐退速，皆非学也。——朱舜水
只要愿意学习，就一定能够学会。——列宁
021 区间估计（对u的区间估计、对a^2的区间估计）