值得期待的MIT-Gilbert Strang新书:《线性代数与数据学习》(内容覆盖深度学习,有样章)

2019 年 1 月 7 日 专知

【导读】MIT教授Gilbert Strang最近的书籍《线性代数与数据学习》(

Linear Algebra and Learning from Data)将在近期发行。让我们先来一睹这本“硬核”书籍的部分内容。



作者介绍



William Gilbert Strang


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。


书籍介绍




线性代数、概率、统计和优化都是机器学习的数学基础。关于数学内容的一些章节,会比神经网络结构的介绍早一些,当然了,这对描述和理解目标函数大有益处。


目录


书籍完整版将在一月中旬与大家见面,Gilbert Strang教授给出了书籍的一些介绍和部分样章。关于本书资料下载↓↓↓↓↓


请关注专知公众号(扫一扫最下面专知二维码,或者点击上方蓝色专知

  • 后台回复“LALD” 就可以获取《线性代数与数据学习》的下载链接~ 

  • 专知2019年1月将开设一门《深度学习:算法到实战》讲述相关深度学习基础与前沿技术,欢迎报名!

专知开课啦!《深度学习: 算法到实战》, 中科院博士为你讲授!




原文链接:http://math.mit.edu/~gs/learningfromdata/#contents


-END-

专 · 知

   专知开课啦!《深度学习: 算法到实战》, 中科院博士为你讲授!


请加专知小助手微信(扫一扫如下二维码添加),咨询《深度学习:算法到实战》参团限时优惠报名~

欢迎微信扫一扫加入专知人工智能知识星球群,获取专业知识教程视频资料和与专家交流咨询!

请PC登录www.zhuanzhi.ai或者点击阅读原文,注册登录专知,获取更多AI知识资料!

点击“阅读原文”,了解报名专知《深度学习:算法到实战》课程

登录查看更多
44

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。
商业数据分析,39页ppt
专知会员服务
160+阅读 · 2020年6月2日
《深度学习》圣经花书的数学推导、原理与Python代码实现
深度学习界圣经“花书”《Deep Learning》中文版来了
专知会员服务
233+阅读 · 2019年10月26日
MIT线性代数(Linear Algebra)中文笔记
专知
51+阅读 · 2019年11月4日
【资源推荐】一文概览DL圣经重点内容
专知
9+阅读 · 2019年3月20日
那些值得推荐和收藏的线性代数学习资源
Arxiv
35+阅读 · 2020年1月2日
Arxiv
20+阅读 · 2019年9月7日
Arxiv
3+阅读 · 2019年9月5日
Arxiv
11+阅读 · 2019年6月19日
Arxiv
8+阅读 · 2019年3月21日
Embedding Logical Queries on Knowledge Graphs
Arxiv
3+阅读 · 2019年2月19日
Logically-Constrained Reinforcement Learning
Arxiv
3+阅读 · 2018年12月6日
VIP会员
相关论文
Arxiv
35+阅读 · 2020年1月2日
Arxiv
20+阅读 · 2019年9月7日
Arxiv
3+阅读 · 2019年9月5日
Arxiv
11+阅读 · 2019年6月19日
Arxiv
8+阅读 · 2019年3月21日
Embedding Logical Queries on Knowledge Graphs
Arxiv
3+阅读 · 2019年2月19日
Logically-Constrained Reinforcement Learning
Arxiv
3+阅读 · 2018年12月6日
Top
微信扫码咨询专知VIP会员