免费在线阅读：用于计算机视觉、机器学习、机器人的线性代数丨资源

郭一璞 发自 凹非寺 
量子位 报道 | 公众号 QbitAI

研究机器学习、计算机视觉，总离不开数学，尤其是……线性代数。

要是没有一定数学基础的话，当你看到SVM、拉格朗日乘数等各种复杂术语的时候，可能会头秃。

所以，为了有更坚实的理论基础，从根源上理解机器学习背后的数学问题，还是好好学一下数学吧~

现在，这本《用于计算机视觉、机器人和机器学习的线性代数》可能会帮上你。

包括引言在内，这本书一共有22个章节。

1.引言

2.向量空间、基与线性映射

3.矩阵和线性映射

4.哈尔基，哈尔小波变换，阿达马矩阵

5.直和，仿射映射

6.行列式

7.高斯消元法，LU因式分解，Cholesky分解，阶梯形矩阵

8.矢量范数和矩阵规范

9.求解线性系统的迭代方法

10.双重空间和双重性

11.欧几里德空间

12.任意矩阵的QR分解

13.埃尔米特空间

14.特征向量和特征值

15.四元数与SO(3)群的空间旋转

16.谱定理

17.图和拉普拉斯图的基本介绍

18.谱图绘制

19.奇异值分解和极坐标形式

20.SVD和伪逆矩阵的应用

21.计算特征值和特征向量

22.零化多项式和准素分解

作者介绍

这本书的作者，是宾夕法尼亚大学计算机系教授Jean Gallier，今年已经70岁了。

除了计算机之外，他还是宾大数学系、人体建模与仿真中心、GRASP实验室、认知科学研究所、逻辑与计算组多个系组的成员。

自1978年从UCLA取得计算机博士学位后，他一直在学术界任教，从UCLA助理教授做到了宾大教授，期间出版了大量关于计算机、数学的论文，还有十数本相关书籍。

传送门

Linear Algebra for Computer Vision, Robotics, and Machine Learning
https://www.seas.upenn.edu/~cis515/linalg-I.pdf

— 完 —

加入社群 | 与优秀的人交流

小程序 | 全类别AI学习教程

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 ！