趋近智

所有课程

机器学习线性代数入门

章节 1: 线性代数在机器学习中的重要性

用向量和矩阵表示数据

机器学习算法中的线性代数

核心思想概述

配置Python环境

第 1 章测验

章节 2: NumPy 数值计算入门

NumPy 数组介绍

创建 NumPy 数组

数组索引与切片

数组基本运算

数组属性与形状调整

动手实践：NumPy 数组的创建与操作

第 2 章测验

章节 3: 使用向量

什么是向量？

向量表示法

在Python中使用NumPy的向量

向量加法与减法

向量范数：测量长度

实践：NumPy 向量运算

第 3 章测验

章节 4: 使用矩阵

什么是矩阵？

矩阵记号与维度

使用NumPy在Python中表示矩阵

矩阵类型：方阵、单位矩阵、零矩阵

对角矩阵和三角矩阵

实践：使用NumPy创建矩阵

第 4 章测验

章节 5: 矩阵基本运算

矩阵加法和减法

矩阵乘法：点积

矩阵乘法的性质

动手实践：NumPy 矩阵运算

第 5 章测验

章节 6: 线性方程组与矩阵逆

使用矩阵表示线性方程

单位矩阵再论

矩阵可逆的条件

使用逆矩阵求解 Ax = b

使用NumPy计算逆矩阵

使用NumPy求解线性系统

实践：使用NumPy求解方程组

第 6 章测验

本课程已归档: 现已推出包含更新教学大纲和改进内容的新版本。

Quiz for 线性代数在机器学习中的重要性 | ApX Machine Learning

测验

章节：线性代数在机器学习中的重要性

测试您对本章概念的理解并进行练习

测验说明

此测验包含 6 道问题来帮助您练习。
您需要至少获得 70% 的分数才能通过。
尝试次数：无限制。
将保留您的最高分数。
请在没有帮助的情况下尝试此测验；但是，如果需要，您可以随时参考章节笔记或使用代码解释器。
完成所有章节测验即可获得课程完成证书。了解更多

问题格式

问题设计得引人入胜，侧重于理解、应用和解释，而不是死记硬背。期待基于场景的问题，测试您应用所学知识的能力。

尝试记录

最佳分数和测验尝试将显示在这里。

© 2025 趋近智