教程演示🔗
课程描述
Python 中的数值方法和优化本课程是关于 Python 编程语言中的数值方法和优化算法。我们不会讨论所有与数值方法相关的理论（例如如何求解微分方程等）——我们只会考虑具体的实现和数值原理第一部分是关于矩阵代数和线性系统，如矩阵乘法、高斯消去法和这些方法的应用。我们将考虑著名的 Google PageRank 算法。
然后我们将讨论数值积分。如何使用梯形规则、辛普森公式和蒙特卡洛方法等技术来计算给定函数的定积分。下一章是关于用欧拉法和龙格库塔法求解微分方程。我们将考虑钟摆问题和弹道学等示例。最后，我们将考虑与机器学习相关的优化技术。将讨论梯度下降、随机梯度下降算法、ADAGrad、RMSProp 和 ADAM 优化器——理论和实现。
你会学到什么
- 了解线性系统和高斯消元法
- 理解特征向量和特征值
- 了解 Google 的 PageRank 算法
- 了解数值积分
- 了解蒙特卡洛模拟
- 理解微分方程——欧拉法和龙格-库塔法
- 了解机器学习相关优化算法（梯度下降、随机梯度下降、ADAM优化器等）
本课程适合谁
- 本课程面向具有定量背景的学生或对数值方法感兴趣的软件工程师
Python 中的数值方法和优化规范
- 发行商：Udemy
- 教师 : Holczer Balazs
- 英语语言
- 级别 : 所有级别
- 课程数量：161
- 时长：13 小时 58 分钟
Python 中数值方法和优化的内容
要求
- 数学背景——微分方程、积分和矩阵代数
图片
样片
媒体错误：格式不受支持或来源未找到
安装指南
提取文件并使用您最喜欢的播放器观看
字幕：英语
画质：720p
下载链接
声明：本站所有文章，如无特殊说明或标注，均为本站发布。任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理。
