第一讲预习内容：1、请大家预习一下概率论（条件独立性、贝叶斯法则）条件概率 : P（A|B）=P(AB)/P(B) ==》P（AB）AB同时发生的概率=P(B)*P(A|B)

独立性 : P(AB)= P(B)*P(A|B)=P(B)*P(A) 及A于B无关

全概率 :

第二讲预习内容：1.线性代数。向量、点、内积、线性超平面、垂直、点到平面的距离的概念。2.优化。函数最优值和导数为零的关系、凸函数、凸集合的概念、（可选）求带约束的优化问题的拉格朗日法、（可选）凸优化问题的概念以及对偶问题的概念。

第三讲聚类预习内容：高斯分布，尤其是多元高斯分布

第四讲线性回归与逻辑回归预习内容：1、线性代数中的逆矩阵，正定矩阵，向量变量的导数、微积分的泰勒公式2、最速下降法和牛顿法

第五讲关联规则挖掘预习内容：1、主要为编程思想和方法，不需预习

第六讲中文分词技术及马尔科夫模型、语言模型预习内容：1、主要是概率论基础：全概率公式，联合概率，条件独立性；2、编程方面主要是动态规划编程思想

第七讲隐马尔科夫模型及EM算法预习内容：1、主要是概率论基础：全概

1. 概率论（条件独立性、贝叶斯法则）  1.自习及单元测试 4理论+2测试 24理论课送12测试 1680 5 2. 全概率公式、联合概率、条件独立性  2.自习及单元测试 4理论+2测试 3. 线性代数：向量、点、内积、线性超平面、垂直、点到平面的距离等概念  3.自习及单元测试 4理论+2测试 4. 逆矩阵、正定矩阵  4. 自习及单元测试 4理论+2测试 5. 微积分泰勒公式、最速下降法和牛顿法  5. 自习及单元测试 4理论+2测试 6. 优化：函数最优值、凸函数、凸集合、拉格朗日法、凸优化、对偶问题  6.自习及单元测试 4理论+2测试