趋近智
为机器学习 (machine learning)应用打下扎实的线性代数功底。本课程介绍向量 (vector)、矩阵以及数据表示和算法中使用的基本运算,并结合实际Python NumPy示例进行讲解。学习理解多种机器学习模型运作方式所需的数学原理。
先修课程 了解Python基本知识有助益
级别:
数学表示法
理解并解读线性代数中常用的数学符号和表示法。
向量运算
执行基本的向量运算,如加法、减法和标量乘法。
矩阵运算
执行基本的矩阵运算,包括加法、减法、标量乘法和矩阵乘法。
NumPy实现
使用Python库NumPy实现向量和矩阵运算。
数据表示
辨识向量和矩阵如何在机器学习环境中用于表示数据。
线性系统
理解线性方程组的内容及其使用矩阵的表示方法。