MIT大牛Gilbert Strang新书:《线性代数与从数据中学习》抢先看

2019 年 1 月 20 日 量子位
铜灵 发自 凹非寺
量子位 出品 | 公众号 QbitAI

经典教材《Introduction to Linear Algebra》(《线性代数导论》)的作者Gilbert Strang教授又要出新书了。

这本新书名叫Linear Algebra and Learning from Data(《线性代数与从数据中学习》),面向有一定基础、想进阶线性代数技能的同学。

此次教授亲自出马再推新书,号召力非常强大。微博科技博主@爱可可-爱生活推荐后短短几个小时,已经有200多人转发。

注重关联

这本书全书有432页,共分为7章,每章内容从5到12小节不等。

7个章节主要内容分别为:

  1. 线性代数重点

  2. 计算大型矩阵

  3. 低秩与压缩感知

  4. 特殊矩阵

  5. 概率与统计

  6. 优化

  7. 从数据中学习

和普通的线性代数教材不同,这本书中还着力讲解了深度学习任务中与线性代数的联系。

比如在样章中可以看到,第七章节已经开始介绍深度神经网络、卷积神经网络、反向传播与链式法则等相关内容,还憧憬了对机器学习技术在真实世界应用的展望。

Gilbert Strang本人在新书前言中表示,深度学习的出现不仅对人类生活起到的优化和促进作用,而且还促进了此前各种经典算法的进步。在线性代数基础上理解深度学习让人兴奋。

去年11月19日,这本书已经提上了出版日程。官方表示本月中旬将印刷。

MIT大牛出品

还未出版就受到这么多关注,也是因为这本书的作者Gilbert Strang是业界知名大牛。

此前Gilbert Strang那本线性代数教材《线性代数导论》)至今已被无数过来人安利,评价也是出奇得好:“难度适中”、“注重从实际问题中培养数学感觉”“在讲故事中理解数学原理”。

作者Gilbert Strang是美国数学家,主要研究有限元理论、变分法、小波分析及线性代数等方向,还是牛津大学贝利奥尔学院荣誉研究员。

除了研究,Gilbert Strang对教育界的贡献一直没有间断,不仅现在仍在MIT数学系担任教授任教,还著有七部经典数学教材和一部专著。

老爷子现在已经80多岁了,还在投身教育出版新书,网友称赞他“笔耕不辍”。

传送门

样章地址:

http://math.mit.edu/~gs/learningfromdata/

加入社群

量子位AI社群开始招募啦,欢迎对AI感兴趣的同学,在量子位公众号(QbitAI)对话界面回复关键字“交流群”,获取入群方式;


此外,量子位专业细分群(自动驾驶、CV、NLP、机器学习等)正在招募,面向正在从事相关领域的工程师及研究人员。


进专业群请在量子位公众号(QbitAI)对话界面回复关键字“专业群”,获取入群方式。(专业群审核较严,敬请谅解)

诚挚招聘

量子位正在招募编辑/记者,工作地点在北京中关村。期待有才气、有热情的同学加入我们!相关细节,请在量子位公众号(QbitAI)对话界面,回复“招聘”两个字。

量子位 QbitAI · 头条号签约作者

վ'ᴗ' ի 追踪AI技术和产品新动态

喜欢就点「好看」吧 !



登录查看更多
1

相关内容

William Gilbert Strang,美国数学家,在有限元理论、变分法、小波分析和线性代数等方面皆有研究贡献。他对数学教育做出了许多贡献,包括出版七本数学教科书和专著。斯特朗现任麻省理工学院数学系 MathWorks 讲座教授。主要讲授课程为线性代数入门(Introduction to Linear Algebra,18.06)和计算科学与工程(Computational Science and Engineering,18.085),这些课程都可在麻省理工学院开放式课程中免费学习。
【干货书】《机器学习导论(第二版)》,348页pdf
专知会员服务
240+阅读 · 2020年6月16日
商业数据分析,39页ppt
专知会员服务
157+阅读 · 2020年6月2日
资源 | 李航老师《统计学习方法》(第2版)课件下载
专知会员服务
248+阅读 · 2019年11月10日
MIT线性代数(Linear Algebra)中文笔记
专知
49+阅读 · 2019年11月4日
自然语言处理精品资料
平均机器
8+阅读 · 2019年3月6日
那些值得推荐和收藏的线性代数学习资源
博客 | MIT—线性代数(上)
AI研习社
8+阅读 · 2018年12月18日
图解高等数学|线性代数
遇见数学
39+阅读 · 2017年10月18日
Optimization for deep learning: theory and algorithms
Arxiv
102+阅读 · 2019年12月19日
Arxiv
3+阅读 · 2019年9月5日
Arxiv
8+阅读 · 2019年3月21日
Logically-Constrained Reinforcement Learning
Arxiv
3+阅读 · 2018年12月6日
CoQA: A Conversational Question Answering Challenge
Arxiv
7+阅读 · 2018年8月21日
VIP会员
相关论文
Optimization for deep learning: theory and algorithms
Arxiv
102+阅读 · 2019年12月19日
Arxiv
3+阅读 · 2019年9月5日
Arxiv
8+阅读 · 2019年3月21日
Logically-Constrained Reinforcement Learning
Arxiv
3+阅读 · 2018年12月6日
CoQA: A Conversational Question Answering Challenge
Arxiv
7+阅读 · 2018年8月21日
Top
微信扫码咨询专知VIP会员