网络机器人吧社区

机器学习算法的运算基础——矩阵

AI科技大本营 2019-02-10 11:28:02


课程介绍

机器学习是一门集概率论、线性代数、数值计算、最优化理论和计算机科学等多个领域的交叉学科。本门课程——即《机器学习之矩阵》囊括了机器学习理论中所需要的和线性代数相关的所有知识。 主要包括矩阵的定义、性质、运算、分解以及应用。另外,还会讲解线性空间、范数、生成子空间相关知识。


主题:《机器学习之矩阵》

讲师:黄博士

开课时间:8月5日起,每周六、日上午10:00-12:00在线直播

报名:阅读原文或扫描下方课程二维码。

活动:转发朋友圈,即可获得50元优惠券,低至249元!

《机器学习之矩阵》


讲师介绍

黄博士:浙江大学应用数学系博士,现任教于浙江师范大学,专业从事公共课数学教学,包括线性代数、高等数学等学科。

开课时间:8月5日起,每周六、日上午10:00-12:00 在线直播


课程特色

本课程由专业数学系老师讲解,从数学背景和现实应用中讲解线性代数的相关知识,摆脱传统的讲概念、记公式、解体的数学学习模式,让听众对线性代数有一个全新的、深刻的认识。


课程大纲

第一课:矩阵初步

1. 矩阵的基本概念:

(1)实数、向量、矩阵、张量

(2)矩阵和向量的关系

(3)矩阵和方程组的关系

(4)特殊矩阵:单位矩阵,数量矩阵,对角矩阵,三角矩阵 

2. 矩阵的基本运算:

(1)矩阵的加、减、乘(数乘和矩阵乘法)、除,转置(对称矩阵),求行列式

(2)方程组的矩阵表示

(3)矩阵三个初等变换

(4)矩阵的逆、秩、迹


第二课:矩阵变换和线性空间

1. 线性空间

(1)线性的概念、线性相关、线性表示(线性组合)和方程组的关系

(2)线性空间、线性子空间(生成子空间)、向量组的值域和核

(3)线性空间的范数、范数(p=1、2、)、矩阵的Frobenius范数

2. 矩阵分解

(1)特征分解、正交分解、正定(半正定)矩阵、正定矩阵和特征分解之间的关系、SVD分解(Moore-Penrose伪逆)

(2)应用举例:PCA


第三课:矩阵求导

1. 梯度向量、Hessin矩阵、方向导数、多元函数泰勒展开、梯度下降

2. 应用举例:最小二乘法


面向人群

1. 零基础,想入门机器学习;

2. 想深入研究机器学习;

3. 想补充数学基础知识的相关从业人员;

4. 对机器学习(尤其是竞赛)感兴趣的在校学生或从业人员。


咨询&报名

矩阵还不过瘾?数学基础都需要补?我们还有《机器学习之概率与统计推断》、《机器学习之凸优化》哦!戳链接课程 | 这才是补数学基础的正确姿势可报名《机器学习之数学基础》系列课程~~!


扫课程二维码直接报名《机器学习之矩阵》


加课程小助手回复“722”进群咨询

付款后加小助手进课程群


Copyright © 网络机器人吧社区@2017