1. 从头开始，把概率、统计、信息论中零散的知识统一起来

[@haroldji6062]

非常赞！知识就是需要分享和讨论，也是费曼学习法的精髓。

[@cczhu3623]

学计算机的思维讲解数学的确非常适合我的理解，我也是学计算机的，感谢

[@yang3044]

太有帮助了，特别感激有这样的视频分享

[@jerryyang7011]

Seeing the forest for the trees - dots connected under this unified yet elegant framework. Phenomenal work.

[@ethanz3153]

功底扎实！

[@biogirl18]

不知 up 主是否考虑回到之前的视频制作方式, 现在感觉你用了 3b1b 的工具做视频后. 画面没有焦点. 看的挺累.

[@scinat1977]

很好的视频!辛苦了!

[@MrSilicon12]

王老师很好。很好的视频。

[@Hawwwww626]

博主确实厉害哦

[@appliedstatistics2043]

好厉害，从测度论开始讲

[@stQZuO]

基本上是把概率的测度基础用直观语言描述出来了

[@揽月楼中店小二]

这里必须提醒一下一些关于概率空间的基本认识，概率空间通常不是线性的，通常不是线性的，通常不是线性的(说三遍)。 概率空间是一个描述随机事件发生的可能性的数学空间，概率空间包含了一组样本点和对应的概率值，这些概率值满足一些概率公理，如非负性、归一性和可加性等。 在概率空间中，通常不能进行类似于实数空间中的线性运算，如加法和乘法。概率空间中的概率值是表示随机事件发生的可能性，它们不能简单地进行算术运算。例如，两个事件的概率值相加不一定等于它们同时发生的概率值。 概率空间中的一些概率分布可以具有线性性质，例如线性组合或线性变换。这意味着通过对概率分布进行线性组合或线性变换，可以得到新的概率分布。这在概率论中有一些重要的应用，如混合分布、条件概率和期望值的计算。 总而言之，概率空间本身通常不是线性的，但在某些情况下，概率分布可以具有线性性质。

[@smoosq9501]

讲的真清楚

[@yeshiyangzom8532]

随机过程最难。根本无法理解很多概念

[@yixinzhou-st3uq]

厉害了我的哥

[@adamxia7276]

抽象代数，泛函分析，实变函数哪个不比概率难😅

[@daviddavid-ly4ih]

越听越糊涂了，本来是个概率课，感觉像上高数课了。

[@Most-qn4fc]

请教一下，我发现我对本集内容的理解有限，是因为这是全部概率论、梳理统计、信息论的一个抽象概括吗？本集内容是只需要有一个大概的意识就好了，不影响下一步的视频学习，还是说要搞懂本集视频的内容，才方便进入下期视频的学习呢？ 视频中出现的公式、符号、图像，我需要查看和理解以及想象，但我发现还没来得及通过上述方式消化，就已经开始讲解下一步了，就是很快的感觉。不知道是否是因为我长时间没有学习这方面知识，导致偶尔观看视频的时候，无法快速反应。

[@yiwenhuang1170]

说的好棒啊。能说说embedding吗？

[@kexueshare]

good talk

[@DxDy777]

讲得不错！ 可惜没有从一个又一个，在实际生活中，大家能遇见的某些经典具体例子。 来进行由问题，引发思考。 由思考引发，寻求解决方法。 由解决方法，再归纳整理出，可以用数学形式，来对这类问题，所用到的解，进行精简的，逻辑严密的，描述。 虽然我能明白你做这个视频的初衷，是为了在有限的时间范围内，通过视频讲解，把整个概率统计等等知识结构，串起来。 但是如果能按照老子道德经里面，提及的。图难于易，图大于细。这样视频效果会更好。 按照你提供的此视频，一上来，就是按照指令性的学习方式，从数学定义以及数学公式，这种已经被抽象出来的东西，开始层层讲解。 这会让没有太多数学基础的听众，只会感到不明觉厉。 而无法循循善进的学习掌握之

[@potsui9317]

工科大二以上听起来就没问题了.

[@silent7wang]

感觉现实世界就是没有必然事件，这个在怀疑论提出过了。

[@smocare7659]

必然事件就不应该掺和到概率论里面来

[@280634157]

有没有QQ加

[@bobdong9091]

❤🎉👌

[@CoraYe-n3h]

知识树

[@haemonyang6278]

依教科書章節閱讀下去，有種見樹不見林，迷路的感覺

[@Wind_of_Night]

教科書都是條列式，一來增厚【比較好賣(有賣向)】。 各種科學如何嵌合，教科書也不會講(沒必要講)，只有讀者讀懂了這門學，外加一些有緣，才比較能理解該門學科與其他學科之間的連結在哪。

[@bccwliu5776]

NB