内容简介：MIT 教授 Gilbert Strang 最新书籍《线性代数与数据学习》（Linear Algebra and Learning from Data）将在 1 月中旬发行。这一本书为机器学习提供了很多数学基础，它同时也提供了深度学习一些基本概念。可以说借助这本书，我们能从数学的角度来理解流行的模型。书籍主页：这本书的目的是解释数据科学和机器学习所依赖的数学：
MIT 教授 Gilbert Strang 最新书籍《线性代数与数据学习》（Linear Algebra and Learning from Data）将在 1 月中旬发行。这一本书为机器学习提供了很多数学基础，它同时也提供了深度学习一些基本概念。可以说借助这本书，我们能从数学的角度来理解流行的模型。
书籍主页： http://math.mit.edu/~gs/learningfromdata/
这本书的目的是解释数据科学和机器学习所依赖的数学： 线性代数 、 最优化 、概率论和统计学。因为在机器学习中，学习函数中的权重会以矩阵形式表示，这些权重通过 随机梯度下降 优化，而「随机」一词提示训练收敛是概率性的。此外，概率论中的大数定律被扩展到了大函数定律：如果架构设计良好并且参数计算良好，则有很高的概率能成功收敛。
请注意这不是一本关于计算或编码或软件的书。已经有很多书籍对这些方面做了很好的介绍，比如《Hands-On Machine Learning》；还有很多 TensorFlow、Keras、MathWorks 和 Caffe 等的在线资源，也能提供很多帮助。
线性代数有众多美妙的矩阵变体：对称矩阵、正交矩阵、三角矩阵、Banded 矩阵、转置矩阵和正定矩阵等等。在 Gilbert 的教学经验中，他认为正定对称矩阵 S 是非常美妙的东西。它们有正的特征值λ和正交的特征向量 q，它们的线性组合可以将秩为 1 的简单映射 qq^T 与对应特征值重构为正定矩阵 S，即：
如果 λ_1>=λ_2>=...，那么上式特征值λ_1 以及对应的特征向量组成的第一个分量就是 S 最具信息的部分。对于一个简单的协方差矩阵，这一部分就对应着对大的方差，这也是降维算法 PCA 最核心的思想。
此外，在书籍主页中，作者还提供了试读的样章，包括深度学习、书籍前言、目录、矩阵初等变换、矩阵乘法和其它一些从矩阵看卷积网络等新知识。作者表明书籍主页会持续更新，包括印刷计划和全本开放阅读等。
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。
以下是这本书的目录：
以上所述就是小编给大家介绍的《线性代数与数据学习：MIT教授Gilbert Strang帮你打下坚实的数学基础》，希望对大家有所帮助，如果大家有任何疑问请给我留言，小编会及时回复大家的。在此也非常感谢大家对 码农网 的支持！
猜你喜欢:
- 算法工程师的数学基础：线性代数中的矩阵
- 算法工程师的数学基础：线性代数中的向量和向量空间
- 算法工程师的数学基础：线性代数中的向量内积和外积概念及几何意义
- 强化学习的线性代数
- [译] JavaScript 线性代数：使用 ThreeJS 制作线性变换动画
- [译] JavaScript 线性代数：向量
本站部分资源来源于网络，本站转载出于传递更多信息之目的，版权归原作者或者来源机构所有，如转载稿涉及版权问题，请联系我们。
Linux多线程服务端编程
陈硕 / 电子工业出版社 / 2013-1-15 / 89.00元
本书主要讲述采用现代C++ 在x86-64 Linux 上编写多线程TCP 网络服务程序的主流常规技术，重点讲解一种适应性较强的多线程服务器的编程模型，即one loop per thread。这是在Linux 下以native 语言编写用户态高性能网络程序最成熟的模式，掌握之后可顺利地开发各类常见的服务端网络应用程序。本书以muduo 网络库为例，讲解这种编程模型的使用方法及注意事项。 本......一起来看看 《Linux多线程服务端编程》 这本书的介绍吧!
