初学者至专家线性代数，使用Python进行实践

掌握线性代数核心概念及在机器学习等领域的实际应用

学习内容：

理解矩阵代数并将其应用于解决线性方程和变换，提供Python中的实际示例。
掌握向量、向量性质、向量空间、子空间及其在坐标系中的应用，学习基本子空间的计算方法。
掌握正交和正交向量以及正交投影，计算最小距离和Gram Schmidt正交化。
学习矩阵分解（特征分解、Cholesky分解、奇异值分解），掌握对角化、满秩近似和低秩近似。
掌握矩阵逆、最小二乘和正态方程，实践线性回归和Kaggle房屋预测。
从头推导主成分分析（PCA），并应用特征面算法进行人脸识别。

课程内容主题：

矩阵代数与运算
向量空间与子空间
正交性与投影
矩阵分解技术（特征分解、Cholesky分解、奇异值分解）
线性回归与最小二乘法
主成分分析（PCA）与实际应用

课程要求：

基础代数知识
无需编程经验

课程详细描述：

– **课程目标**：系统学习线性代数核心概念，掌握其在数据科学、机器学习、金融、工程等领域的应用。

– **教学方法**：结合数学理论与Python编程实践，通过实例讲解（如人脸识别、Kaggle预测）加深理解。

– **适用人群**：计算机科学家、数据科学家、数学专业学生、金融专家、工程师及对深度学习感兴趣的Python开发者。

– **课程特色**：

– 详细解析数学概念，配合编程实现，强调互动性与反馈。

– 包含高斯消元法、矩阵逆、PCA等实用技能，助力通过线性代数考试。

– 提供终身课程访问、Udemy结业证书及30天无理由退款保障。

– **附加内容**：涵盖机器学习中的线性代数应用、深度学习基础理论及实践项目。

B站免费课程

更多 未分类 教程