数学 0-1：数据科学和机器学习的线性代数—Math 0-1 Linear Algebra for Data Science & Machine Learning

独家课程，独家中英文字幕，配套资料齐全，随时随地分享和观看！加入会员，全站资源免费下载！在个人中心每日签到，可白嫖会员！

数学 0-1：数据科学和机器学习的线性代数

Math 0-1 Linear Algebra for Data Science & Machine Learning

人工智能、深度学习和 Python 程序员的休闲指南

你将学到什么

• 求解线性方程组
• 了解向量、矩阵和高维张量
• 了解点积、内积、外积、矩阵乘法
• 在 Python 中应用线性代数
• 了解矩阵求逆、转置、行列式、迹
• 了解矩阵秩和低秩近似（例如 SVD）
• 了解特征值和特征向量

要求

• 对高中数学有深刻的理解

描述

常见场景：您尝试进入机器学习和数据科学，但数学太多。

要么你从来没有学过这个数学，要么你很久以前学过它，以至于忘记了它。

你做什么工作？

好吧，我的朋友们，这就是我创建这门课程的原因。

线性代数是机器学习最重要的数学先决条件之一。需要了解概率和统计学，它们构成了数据科学的基础。

数据科学中的“数据”是使用矩阵和向量来表示的，它们是本课程研究的中心对象。

如果您想做机器学习而不仅仅是从博客和教程中复制库代码，您必须了解线性代数。

在普通的 STEM 大学课程中，线性代数被分为多个为期一个学期的课程。

幸运的是，我已将这些教学内容提炼为要点，以便您可以在几个小时而不是一个学期的时间内学习您需要了解的所有内容。

本课程将涵盖线性方程组、矩阵运算（点积、逆、转置、行列式、迹）、低秩近似、正定性和负定性以及特征值和特征向量。它甚至会包括您在常规大学课程中通常不会看到的以机器学习为重点的材料，例如这些概念如何应用于 GPT-4，以及微调现代神经网络，例如扩散模型（用于生成 AI 艺术）和法学硕士（大型语言模型）使用LoRA。我们甚至将使用Python编程语言演示本课程中的许多概念（不用担心，您不需要了解本课程的 Python）。换句话说，本课程不是枯燥的老式大学版线性代数，而是只采用最实用和最有影响力的主题，并为您提供直接适用于机器学习和数据科学的技能，因此您今天就可以开始应用它们。

你准备好了吗？

我们走吧！

建议的先决条件：

• 对高中数学（函数、代数、三角学）有深刻的理解

本课程适合谁：

• 任何想要快速学习线性代数的人
• 对机器学习和数据科学感兴趣但陷入数学困境的学生和专业人士