机器学习入门书籍课程学习资料–数学篇之线性代数

AI、机器学习、深度学习可以说是当前科技技术的前沿了,相信眼光能看到这个区域并想有所作为的你一定特别想深入了解并能尽快应用,那么今天本站来推荐下机器学习应该怎么入门,怎么才能学好机器学习。

首先学习一个不得不提及的基础是数学知识,如果你没有好的数学基础,那么后面的知识就类似天书,纵然你编码能力极高,纵然你应用框架多灵活,没有数学,你只调调参数,在业内只会被人笑话。不敢说你要学的多么精,但是基本概念要有,基本应用要有,想绕开数学直接上手的都会遇到瓶颈再绕回来学习数学,所以放弃幻想拿起最基础的来,是你将来成为大佬的必备。

当然数学知识是相当广泛的,这里基本会运用到以下几个方面:

1.线性代数

2.概率

3.统计

4.微积分

5.其它数学知识


一、线性代数的学习资料

(1)线性代数书籍

机器学习入门书籍课程学习资料--数学篇之线性代数  机器学习入门书籍课程学习资料--数学篇之线性代数

《线性代数及其应用》 (原书第4版) 【刘深泉 等译】

《Linear Algebra and Its Applications》(英文版第五版)【David C Lay著】

 

机器学习入门书籍课程学习资料--数学篇之线性代数    机器学习入门书籍课程学习资料--数学篇之线性代数

《Introduction to Linear Algebra》作者: Gilbert Strang

《线性代数(第5版)》清华大学出版社 作者: Gilbert Strang 这本书在国内只有封面中文版,内容还是英文的。

此书同时也是下面麻省课程的用书

(2)线性代数视频

1.【台湾国立交通大学】线性代数课程 (莊重 教授)

课程用书《Linear Algebra, 4th Edition》 S. Friedberg, A. Insel and L. Spence, 2003, Prentice Hall.

这位教授姓庄,语速较慢,和蔼可亲,能够给你学习的动力,由浅入深不会觉得很难,并且还详细讲述了小二乘法、奇异值分解SVD等内容,这都是设计机器学习的重点,所以首推此课程。

2.【麻省理工】线性代数 (Gilbert Strang)

这位老爷子更不得了,学完你就会感叹,牛X,不愧是业界的引领者,跟上面的课程的庄教授比,庄重只是教授,而Gilbert Strang是数学家,之所以不首推他的课程是因为课程全英文,对于理解还是有一定阻碍的,纵然学术角度该课程更好,但是入门来讲还是尽量选择汉语吧。


机器学习-数学篇的线性代数学习资料就推荐到此

本文提供上述书籍、课程的所有内容,可下载学习。

机器学习入门更多内容请待更新。。。

作者:admin,本文链接:https://jiqixuexi.org/173.html

联系我们

QQ 1969801705

在线咨询:点击这里给我发消息

工作时间:周一至周五,9:30-18:30,节假日休息