机器学习之矩阵—9206人已学习
课程介绍
购买课程后添加小助手为好友(微信ID:superaihelper)加入课程讨论群。本课程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。 主要有矩阵的定义、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。
课程收益
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。使听众能够了解矩阵和空间的概念、性质。深刻理解矩阵各类运算、分解的数学意义和应用,为后续的机器学习打下扎实的数学基础。
讲师介绍
AI100 更多讲师课程
AI100致力于推进人工智能和数据科学领域的人才培养。目标是在 2025 年前为中国培养100万人工智能工程师,200万各行业数据科学讲师,帮助30万中国企业走向智能化。
课程大纲
第1章:矩阵初步
1. 机器学习之矩阵论课程介绍 7:00
2. (一)矩阵基本概念 24:59
3. (二)矩阵基本运算 0:46
4. (2.1)矩阵相等 0:58
5. (2.2)矩阵加减法 4:16
6. (2.3)数与矩阵乘法 3:36
7. (2.4)矩阵与矩阵乘法 21:49
8. (2.5)矩阵的转置 5:04
9. (2.6)方阵的行列式(determinant) 15:04
10. (2.7)矩阵的逆 12:35
11. (2.8)矩阵的秩 24:57
12. (2.9)矩阵的迹运算 2:31
13. 矩阵第一课课后答疑 20:32
第2章:矩阵变换和线性空间
1. 线性空间与矩阵分解 0:43
2. (一)线性空间简介 4:48
3. (1.1)线性空间的定义 16:26
4. (1.2)线性空间的基 9:49
5. (1.2.1)线性空间的基的定义 10:19
6. (1.2.2)坐标 5:56
7. (1.3)线性空间的基数 17:46
8. (二)矩阵分解简介 1:16
9. (2.1)特征值与特征向量定义 6:01
10. (2.2)矩阵分解 8:59
11. (2.3)正交矩阵与标准正交基 3:40
12. (2.4)正交矩阵的性质 4:32
13. (2.5)正交分解 3:56
14. (2.6)正交分解的几何意义 6:19
15. (2.7)矩阵的SVD(奇异值分解) 5:33
16. (2.8)SVD应用:Moore-Penrose伪逆 7:59
17. (2.9)SVD应用:PCA(主成分分析)的数学原理 7:30
18. 矩阵第二课课后答疑 10:06
第3章:矩阵求导
1. 多元函数极值问题(矩阵求导) 3:50
2. (1.1)多元函数导数的定义 5:57
3. (1.2)最速下降方向 17:35
4. (1.3)牛顿法 30:20
5. (1.4)案例讲解:最小二乘法(线性回归)、岭回归、Logistic回归 40:28
大家可以点击【 查看详情】查看我的课程
课程介绍
购买课程后添加小助手为好友(微信ID:superaihelper)加入课程讨论群。本课程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。 主要有矩阵的定义、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。
课程收益
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。使听众能够了解矩阵和空间的概念、性质。深刻理解矩阵各类运算、分解的数学意义和应用,为后续的机器学习打下扎实的数学基础。
讲师介绍
AI100 更多讲师课程
AI100致力于推进人工智能和数据科学领域的人才培养。目标是在 2025 年前为中国培养100万人工智能工程师,200万各行业数据科学讲师,帮助30万中国企业走向智能化。
课程大纲
第1章:矩阵初步
1. 机器学习之矩阵论课程介绍 7:00
2. (一)矩阵基本概念 24:59
3. (二)矩阵基本运算 0:46
4. (2.1)矩阵相等 0:58
5. (2.2)矩阵加减法 4:16
6. (2.3)数与矩阵乘法 3:36
7. (2.4)矩阵与矩阵乘法 21:49
8. (2.5)矩阵的转置 5:04
9. (2.6)方阵的行列式(determinant) 15:04
10. (2.7)矩阵的逆 12:35
11. (2.8)矩阵的秩 24:57
12. (2.9)矩阵的迹运算 2:31
13. 矩阵第一课课后答疑 20:32
第2章:矩阵变换和线性空间
1. 线性空间与矩阵分解 0:43
2. (一)线性空间简介 4:48
3. (1.1)线性空间的定义 16:26
4. (1.2)线性空间的基 9:49
5. (1.2.1)线性空间的基的定义 10:19
6. (1.2.2)坐标 5:56
7. (1.3)线性空间的基数 17:46
8. (二)矩阵分解简介 1:16
9. (2.1)特征值与特征向量定义 6:01
10. (2.2)矩阵分解 8:59
11. (2.3)正交矩阵与标准正交基 3:40
12. (2.4)正交矩阵的性质 4:32
13. (2.5)正交分解 3:56
14. (2.6)正交分解的几何意义 6:19
15. (2.7)矩阵的SVD(奇异值分解) 5:33
16. (2.8)SVD应用:Moore-Penrose伪逆 7:59
17. (2.9)SVD应用:PCA(主成分分析)的数学原理 7:30
18. 矩阵第二课课后答疑 10:06
第3章:矩阵求导
1. 多元函数极值问题(矩阵求导) 3:50
2. (1.1)多元函数导数的定义 5:57
3. (1.2)最速下降方向 17:35
4. (1.3)牛顿法 30:20
5. (1.4)案例讲解:最小二乘法(线性回归)、岭回归、Logistic回归 40:28
大家可以点击【 查看详情】查看我的课程