小书内容

本书重点讲解机器学习应用领域所涉及到的线性代数核心内容。通过全书前五章基础内容的分析讲解,深入浅出、环环相扣的梳理出机器学习最为急需的相关知识板块,为读者扎实、高效的搭建起后续攀爬机器学习领域的数学阶梯,同时结合两个经典案例,真实的向读者展现了如何在特定的应用场景下,用好线性代数这一有力工具。

全书内容安排如下:

第一部分 坐标与变换:高楼平地起。从空间坐标表示与线性变换入手,快速建立线性代数直观感受,理解向量和矩阵运算的几何本质;

第二部分 空间与映射:矩阵的灵魂。围绕线性代数的概念基石---空间,详细阐述空间中映射和变换的本质,深入剖析矩阵在其中的灵魂作用;

第三部分 近似与拟合:真相最近处。展现线性代数在近似与拟合中的理论基础,并讲述了最小二乘法的实际应用;

第四部分 相似与特征:最佳观察角。重点分析矩阵的相似性以及特征的提取方法,打好数据降维的理论基础;

第五部分 压缩与降维:抓住主成分。作为全书知识脉络的交汇,讲解如何对数据进行降维和特征分析,深入剖析矩阵分析的核心内容:特征值分解和奇异值分解;

第六部分 实践与应用:线代用起来。展现线性代数在图像压缩、推荐系统分析中的实际应用。

第七部分 函数与复域:概念的延伸。帮助读者将线性代数的核心概念向函数空间和复数域中进行延伸和拓展,在概念的比较过程中,探索对线性代数领域更为深刻和广阔的认知。

本书的三个特色:

第一,避免纸上谈兵。全书以Python语言作为工具进行概念和方法的有效实践,无缝对接机器学习工程应用,可操作性强;

第二,避免生硬枯燥。务求结合线性代数的几何意义进行重点概念的剖析和演绎,避免传统教材的既视感,强化逻辑性和可读性;

第三,避免大水漫灌。以机器学习所急需的线性代数内容为立足点,精确打击,提高效率。

作者简介:

张雨萌,2014年清华大学计算机科学与技术系硕士毕业,主要研究兴趣方向为数据分析、自然语言处理。专业基础扎实,尤其擅长深入浅出的讲解技术,知乎专栏《给妹子讲python》关注量近15000,深受读者的好评与期待。

你会学到什么?

1.掌握机器学习所需的线性代数核心知识板块;
2.利用线性代数工具解决机器学习应用场景中的典型问题;
3.掌握Python中的核心库,提高线性代数工具应用的效率。

适宜人群

在人工智能、机器学习的理论和实践中希望筑牢数学基础的小伙伴们,无论你还在校园或者已经工作,都将能感受到很大的收获和共鸣;

正在进行线性代数课程学习的同学们,阅读本书会有利于你们对线性代数产生更浓厚的兴趣、更深层的思考和多角度的认识,会收获同学习传统教材不一样的思维体验。

实践于数据分析、信号处理等工程领域的朋友们,本书中所着重强调的思维逻辑和处理方法将会提供给你们一种新的视角和启发。

小书目录
对本书的赞誉

华为技术有限公司 语音识别研究员 苏芸
本书从机器学习中的实际应用出发,对线性代数中的关键知识点进行了循序渐进的讲解。其语言生动有趣,并配有丰富的几何图示和Python代码实例,深入浅出地呈现了机器学习中重要数学概念和数学方法的来龙去脉,一改人们对数学教材艰深乏味的印象。不论是对于学习或从事机器学习的工程师,还是正在学习线性代数的学生,本书都将带来不一样的视角和收获。

华中科技大学 计算机科学与技术学院 副教授 郑渤龙
本书深入浅出的介绍了线性代数中的基础知识点:坐标与变换、空间与映射、近似与拟合、相似与特征、降维与压缩。不同于传统教材的枯燥乏味,作者使用生动的语言,结合直观的图例与Python代码,不仅清晰的讲解了线性代数的理论知识,同时让读者可以通过运行代码实践操作,进一步加深巩固知识。

腾讯 高级数据分析师 李家智
互联网行业近年来的热门,从过往的大数据分析到现在的机器学习,都围绕着数据而展开。掌握机器学习最大的门槛是数学,这本教材非常适时的出现了。作者从理论和实用相结合的角度出发,用深入浅出的方法传授了机器学习中线性代数的核心知识点。本书还结合了时下最热门的数据分析语言Python,便于读者上手应用。BAT当下正在积极布局如下的业务:如阿里云业务/腾讯医疗图像识别、智慧城市/百度无人驾驶/头条的精准推荐,若你能掌握这门基于Python语言的实用机器学习分析之道,都为你的工作发挥非常重要的作用。

松禾资本投资人 清华大学计算机科学与技术系博士 林海卓
这是一本通向Google、Facebook以及BAT的神书。在人工智能时代,如何能够成为潮流的弄潮儿,这本充满技术干货的书写满了实用的各种机器学习与线性变化的实用技能,你会发现原来枯燥难懂的技术竟然也可以如此脉络清晰的学习和掌握。我本人从学生时代就是其忠实粉丝,这本书着实让人大呼过瘾!

北京邮电大学 信息与通信工程学院 副教授 张娇
《机器学习线性代数核心》这本书内容以生动形象的语言给大家讲解了机器学习的核心数学知识线性代数。主要介绍了坐标与变换、空间与映射、近似与拟合、相似与特征、降维与压缩五个维度。当前,机器学习正在被应用到各种不同的领域,然而,大部分人都只知皮毛,而不知其内部运行机理,面对晦涩的机器学习理论也难免望而却步,此书作者通过生动形象的语言让读者学习起来可以更加轻松愉悦。如果你想进一步加深对机器学习的理解,那么,建议阅读此书。

重庆大学 大数据与软件学院 讲师 范琪琳
线性代数是绝大多数理工科学生必修的数学基础课,但学生们对其内涵和学习的意义是存在困惑的。这一本书例证结合,深入浅出地剖析了线性代数与机器学习之间的紧密联系,能够帮助更好地理解机器学习算法内部到底是怎么运行的。本书以应用为导向,使用Python作为编程语言,读者通过对本书的学习,可以迅速上手实践机器学习,并利用机器学习解决实际问题。

中南大学 信息科学与工程学院 副教授 蒋万春
线性代数是几乎所有大学理工科学生的必修课,也是机器学习、人工智能等背后的数学基础。大学教学中更加重视数学推导的细节,着重培养学生的逻辑推理能力,但也导致学生难以捕获线性代数背后的数学思想,容易出现“学了不知道有什么用”的情形。《机器学习线性代数核心》着眼于线性代数背后的数学思想及其编程实践,涵盖了线性代数所有的基础知识,也不乏编程实例,有助于读者快速的建立起线性代数与其相关机器学习应用的联系,是一本不可多得的线性代数教科书。尤其适用于因机器学习而需要快速学习或者复习线性代数的读者。

常见问题解答

1、书籍以后会更新吗?新版还要收费吗?

本书采用“精益出版”策略,也就是说会不断更新完善。如果您已经购买电子书,后续小幅更新都可免费获取。

2、这个书籍会有读者群么,如果发现书籍中的错误怎么反馈呢?

本书电子版订阅同学进作者的读者群,请添加微信xiaohuahua185,备注“线性代数核心”,即可拉你进群。对本书有任何疑问可以直接在书籍相应章节留言或者加群向作者反馈。

3、我能在什么设备上阅读本书?

本书电子版目前只能在小专栏小书频道、小专栏平台小程序在线阅读,后期小专栏也将发布 Android 和 iOS App,敬请期待。

修改小书背景颜色
编辑小书背景颜色
保存
试读
解锁
你的解锁链接已复制成功
将链接发送给文件输出助手,然后打开链接即可解锁
取消