第一章 线性代数

目录

 

一、导学

二、课程学习的注意事项

三、线性代数与机器学习

四、开发环境的搭建

---

一、导学

1.为什么要学习线性代数

线性代数是近代科学发展过程中最重要的基础数学之一

线性代数则在研究“一组数”，即向量

2.为什么要学习向量

真实的世界是多维度的；

单变量不足以描述真是世界；

用单变量描述真实世界是不方便的；

a.可以看懂大多数教材文献资料上的线性代数相关的公式或者符号：

b.对线性代数有更感性的认识

c.对于数学概念，不做生硬的定义

二、课程学习的注意事项

关于证明：

证明练习是数学学习的非常重要的一环

线性代数本身逻辑性很强，一环扣一环，每一个结论都可以严格证明。

避免抽象数学，理论数学；

双刃剑：

更简单的入门

比一般搞笑的线性代数的内容会少“纯”数学的部分；

尝试把理论数学的内容剥离出来；

涉及应用：

这个课程的重点是线性代数原理的学习；

应用点到为止，不是应用课程；

关于编程实践；

强调原理性；而非数值计算的最忧；（课程）

编程是为了辅助理解原理，对一些结论不编程，二直接使用现成的库函数；

对于库函数，也不涉及全部（numpy ,scipy)

三、线性代数与机器学习

a、入门机器学习，不一定要把数学先学透！

基础的高数，线数，概率达到及格水平即可入门机器学习

入门机器学习后，有目的的来补数学，效果更好！

每个人根据自己的实际情况，制定学习计划；

b、线性代数只是机器学习所涉及的数学一方面

高等数学；

统计学-统计学习；

凸优化

其他（组合数学等）

学习机器学习，不一定要把数学先学透。

学习资料：http://www.deeplearningbook.org/

四、开发环境的搭建

1.安装anaconda。

2.python3.6

3.Pycharm

import sys
import numpy
import scipy

print(sys.version)
print(numpy.__version__)
print(scipy.__version__)