# 开发
# 拉取镜像
docker pull haozhi/tensorflow
# 启动
npm run dev
# 创建一篇新文档
npm run new
打开 http://127.0.0.1:8520 (opens new window) 编写文章，打开 http://127.0.0.1:8080 (opens new window) 预览网页
# 先挖个坑
市面上的高数课程大都面向考研，应试和算术技巧偏多。
由于本人的工作关系，于是打算结合自己的学习心得，写个适合前端入门的高数系列。想学明白机器学习或者大数据相关领域，高数是必须迈过的坎，而数学又是个环环相扣的知识体系，需要打扎实每一步基础。
本系列打算先由 JavaScript 的 Math 库展开，先讲一下上面所有方法和常量实现，然后是 JS 里没有 Python 里有的比如复数。再逐步引出线性代数、集合论、解析几何、概率统计这几个在机器学习、动画应用较多的分支。受群友建议，计划再补一点牛顿经典力学。
由于 JS 语言的擅长方向并不是数学研究，为了便于演示，我会使用 Python 的专业数学库 SymPy (opens new window) 来成文。不过不用担心，这里不会使用 Python 里深奥的语法，且都尽量附上 JS 的实现。比起更复杂的高数，学习 Python 并不会占用你半天以上的精力。
本系列最希望讲清的是数学的定义和推导过程。不会着重算法工程优化和 V8 具体实现，这方面可以去看专业的计算机数值计算相关书籍或 V8 源码。
由于个人水平非常有限，说错的地方请多多指教并提 issue 和 PR。由于坑实在挖得太大，也非常希望有兴趣的朋友一起加入协作，欢迎投稿或 PR，并将以CC BY-SA 4.0 (opens new window) 署名协议进行发布。
# 使用
- 如果你仅仅是阅读，可以直接在线阅读
- 如果你有使用过 Python，应该会了解 Jupyter (opens new window)，可以 clone (opens new window) 并使用
jupyter lab docs启动本文档 - 如果你不想折腾 Python 环境，可以直接使用
npm run docker命令，启动已经封装好的环境（首次启动将拉取镜像）
# 常量
- Math.E 自然常数 e
- Math.PI 圆周率 π
- Math.LN10 自然对数，
- Math.LN2 自然对数，
- Math.LOG10E 以 10 为底的 E 的对数,
- Math.LOG2E 以 2 为底的 E 的对数,
- Math.SQRT1_2 二分之一 ½ 的平方根，同时也是 2 的平方根的倒数
- Math.SQRT2 根号2
# 函数
- 指数
- Math.pow() 指数(幂运算)
- Math.exp()
- Math.expm1()
- 开方
- Math.abs() 绝对值
- 对数
- Math.log10() 以 10 为底的对数
- Math.log2() 以 2 为底的对数
- Math.log() 以 e 为底的对数
- Math.log1p() 以 e 为底，
的值
- Math.log10() 以 10 为底的对数
- Math.random() 伪随机
- 取整
- Math.floor() 下取整，也叫高斯函数
- Math.ceil() 上取整
- Math.round() 中文翻译成四舍五入，但其实不准确
- Math.trunc() 截尾取整
- 三角函数
- Math.acos() 反三角函数
- Math.acosh() 反双曲函数
- Math.asin() 反三角函数
- Math.asinh() 反双曲函数
- Math.atan() 反三角函数
- Math.atan2() 反三角函数
- Math.atanh() 反双曲函数
- Math.clz32() 前导零计数
- Math.cosh() 双曲函数
- Math.fround() 32 位浮点数
- Math.hypot() 欧几里得范数
- Math.imul() 32 位整数乘法
- Math.max() 最大值
- Math.min() 最小值
- Math.sign() 符号函数
- Math.sinh() 双曲函数
- Math.tanh() 双曲函数
# 线性代数
# 行列式
# 矩阵及其运算
# 矩阵的初等变换和线性方程组
# 向量组的线性相关性
- 向量组及其线性组合 向量组及其线性组合
- 向量组的线性相关性 向量组的线性相关性
- 向量组的秩 向量组的秩
- 线性方程组的解的结构 线性方程组的解的结构
- 向量空间 向量空间
# 相似矩阵及二次型
- 向量的内积、长度及正交性 向量的内积、长度及正交性
- 方阵的特征值与特征向量 方阵的特征值与特征向量
- 相似矩阵 相似矩阵
- 对称矩阵的对角化 对称矩阵的对角化
- 二次型及其标准型 二次型及其标准型
- 用配方法化二次型成标准型 用配方法化二次型成标准型
- 正定二次型 正定二次型
# 线性空间与线性变换
- 线性空间的定义与性质 线性空间的定义与性质
- 维数、基与坐标 维数、基与坐标
- 基变换与坐标变换 基变换与坐标变换
- 线性变换 线性变换
- 线性变换的矩阵表达式 线性变换的矩阵表达式
# 概率论
# 随机事件及其概率
# 随机变量及其分布
- 随机变量 随机变量
- 离散型随机变量及其概率分布 离散型随机变量及其概率分布
- 随机变量的分布函数 随机变量的分布函数
- 连续型随机变量及其概率密度 连续型随机变量及其概率密度
- 随机变量函数的分布 随机变量函数的分布
# 多维随机变量及其分布
- 二维随机变量及其分布
- 条件分布与随机变量的独立性
- 二维随机变量函数的分布
# 随机变量的数字特征
- 数学期望
- 方差
- 协方差与相关系数
- 大数定理与中心极限定理
# 数理统计的基础知识
- 数理统计的基本概念
- 常用统计分布
- 抽样分布
# 参数估计
- 点估计问题概述
- 点估计的常用方法
- 置信区间
- 正态总体的置信区间
# 假设检验
- 假设检验的基本概念
- 单正态总体的假设检验
- 双正态总体的假设检验
- 关于一般总体数学期望的假设检验
- 分布拟合检验
# 方差分析与回归分析
- 单因素假设检验的方差分析
- 双因素假设检验的方差分析
- 一元线性回归
# 解析几何
// TODO
# 牛顿经典力学
// TODO
# 联系我们
(如果二维码扫不开，可加微信 _ha0z1，并注明来意)