万本电子书0元读

万本电子书0元读

顶部广告

矩阵力量:线性代数全彩图解 + 微课 + Python编程电子书

这是一套前所未见的数学书,更是一套具备极高颜值的书。姜伟生博士自谦“小镇做题家”,实际上他是国际著名金融企业的金融科技专家。很难想象一位以“术数”为业的金融家具备如此彻底的分享动机,同时,姜博士有着卓越的艺术品位和设计能力,不仅承担了这套书的精深内容,更承担了全系图书的整体设计。希望读者从枯燥的常规数学书中解脱出来,赏心悦目地慢慢走缤纷的数学宇宙。

售       价:¥

纸质售价:¥129.00购买纸书

335人正在读 | 0人评论 6.5

作       者:姜伟生

出  版  社:清华大学出版社有限公司

出版时间:2023-06-01

字       数:21.0万

所属分类: 科技 > 计算机/网络 > 程序设计

温馨提示:数字商品不支持退换货,不提供源文件,不支持导出打印

为你推荐

  • 读书简介
  • 目录
  • 累计评论(0条)
  • 读书简介
  • 目录
  • 累计评论(0条)
数据科学和机器学习已经深度融合到我们生活的方方面面,而数学正是启未来大门的钥匙。不是所 有人生来都握有一副好牌,但是掌握“数学 编程 机器学习”是**。这一次,学习数学不再是为了考试、分数、升学,而是投资时间、自我实现、面向未来。为了让大家学数学、用数学,甚至爱上数学, 在创作这套书时,作者尽量克服传统数学教材的各种弊端,让大家学习时有兴趣、看得懂、有思考、更自信、用得着。 鸢尾花书有三大板块——编程、数学、实践。数据科学、机器学习的各种算法离不数学,本册《矩阵力量》是“数学”板块的第 2 本,主要介绍常用线性代数工具。任何数学工具想要从一元推广到多元,比如多元微积分、多元统计,都绕不线性代数。 《矩阵力量:线性代数全彩图解 微课 Python编程》共 25 章内容,可以归纳为 7 大板块:向量、矩阵、向量空间、矩阵分解、微积分、空间几何、数据。《矩阵力量:线性代数全彩图解 微课 Python编程》在讲解线性代数工具时,会穿插介绍其在数据科学和机器学习领域的应用场景,让大家学以致用。《矩阵力量:线性代数全彩图解 微课 Python编程》读者群包括所有在工作中应用数学的朋友,尤其适用于初级程序员阶,大学本科数学窍,高级数据分析师,人工智能发者。<br/>【推荐语】<br/>这是一套前所未见的数学书,更是一套具备极高颜值的书。姜伟生博士自谦“小镇做题家”,实际上他是国际著名金融企业的金融科技专家。很难想象一位以“术数”为业的金融家具备如此彻底的分享动机,同时,姜博士有着卓越的艺术品位和设计能力,不仅承担了这套书的精深内容,更承担了全系图书的整体设计。希望读者从枯燥的常规数学书中解脱出来,赏心悦目地慢慢走缤纷的数学宇宙。<br/>【作者】<br/>姜伟生  博士 FRM。 勤奋的小镇做题家,热爱知识可视化和源分享。自2022年8月始,在GitHub上源“鸢尾花书”学习资源,截至2023年6月,已经分享3000多页PDF、3000多幅矢量图、约1000个代码文件,全球读者数以万计。<br/>
目录展开

内容简介

前言Preface

致谢Acknowledgement

使用本书How to Use the Book

绪论Introduction

Section 01 向量

01 Vector and More 不止向量

02 Vector Calculations 向量运算

03 Vector Norm 向量范数

Section 02 矩阵

04 Matrix 矩阵

05 Dive into Matrix Multiplication 矩阵乘法

06 Block Matrix 分块矩阵

Section 03 向量空间

07 Vector Space 向量空间

08 Geometric Transformations 几何变换

09 Orthogonal Projection 正交投影

10 Data Projection 数据投影

Section 04 矩阵分解

11 Matrix Decompositions 矩阵分解

12 Cholesky Decomposition Cholesky分解

13 Eigen Decomposition 特征值分解

14 Dive into Eigen Decomposition 深入特征值分解

15 Singular Value Decomposition 奇异值分解

16 Dive into Singular Value Decomposition 深入奇异值分解

Section 05 微积分

17 Derivatives of Multivariable Functions 多元函数微分

18 Lagrange Multiplier 拉格朗日乘子法

Section 06 空间几何

19 From Lines to Hyperplanes 直线到超平面

20 Revisit Conic Sections 再谈圆锥曲线

21 Surfaces and Positive Definiteness 曲面和正定性

Section 07 数据

22 Statistics Meet Linear Algebra 数据与统计

23 Four Vector Spaces 数据空间

24 Data Matrix Decomposition 数据分解

25 Selected Use Cases of Data 数据应用

累计评论(0条) 0个书友正在讨论这本书 发表评论

发表评论

发表评论,分享你的想法吧!

买过这本书的人还买过

读了这本书的人还在读

回顶部