线性代数与数据学习

图书标准信息

• 作者 [美]吉尔伯特·斯特朗
• 出版社 清华大学出版社
• 出版时间 2024-06
• 版次 1
• ISBN 9787302636403
• 定价 138.00元
• 装帧 其他
• 开本 16开
• 页数 388页
• 字数 620千字

【内容简介】

Gilbert Strang是麻省理工学院数学教授，美国国家科学院院士和美国艺术与科学院院士，在有限元理论、变分法、小波分析及线性代数等领域卓有成就，著有多部经典数学教材，开设多门开放式课程，享有国际盛誉。

本书是深度学习的导论，全面介绍机器学习的数学基础，阐述架构神经网络的核心思想，主要内容包括线性代数的重点、大规模矩阵的计算、低秩与压缩传感、特殊矩阵、概率与统计、很优化、数据学习等。本书可作为数据科学方向的数学基础课程教材，也可供人工智能、深度学习领域的科研人员和工程技术人员参考。

【目录】

第1章 线性代数的重点

1.1 使用A的列向量实现Ax的相乘

1.2 矩阵与矩阵相乘：AB

1.3 4个基本子空间

1.4 消元法与A=LU

1.5 正交矩阵与子空间

1.6 特征值和特征向量

1.7 对称正定矩阵

1.8 奇异值分解中的奇异值和奇异向量

1.9 主成分和很好低秩矩阵

1.10 Rayleigh商和广义特征值

1.11 向量、函数和矩阵的范数

1.12 矩阵和张量的分解：非负性和稀疏性

第2章 大规模矩阵的计算

2.1 数值线性代数

2.2 最小二乘：4种方法

2.3 列空间的3种基

2.4 随机线性代数

第3章 低秩与压缩传感

……