斯坦福线性代数与矩阵方法导论-学习资料
斯坦福线性代数与矩阵方法导论课程,内容覆盖线性代数、矩阵运算、泰勒近似、线性拟合、线性方程、最小二乘、分类、非线性方程等

关键词标签: 斯坦福, 线性代数, 矩阵运算, 泰勒近似, 线性拟合, 线性方程, 最小二乘

课程介绍

ENGR108是全球顶级院校斯坦福开设的以线性代数和矩阵论为主题的专业课程,Stephen Boyd老爷子也是目前全球讲授这个方向最著名的老师之一,本课程覆盖线性代数相关知识,包括向量、矩阵与矩阵运算、线性拟合、范数、线性方程等,并结合很多实际机器学习应用场景,比如线性回归与分类问题。

线性代数是很多高阶数据科学课程的根基,比如AI应用到的深度学习,大量依赖向量化的处理和高速运算,本课程是相关知识学习补充的最好资料之一。


课时编号 课时内容
第1.1讲 课程介绍
第1.2讲 向量标记与符号
第1.3讲 向量示例
第1.4讲 标量乘法与加法
第1.5讲 向量与内积
第1.6讲 复杂度计算
第2.1讲 线性函数
第2.2讲 泰勒近似与回归
第3.1讲 范数
第3.2讲 距离度量
第3.3讲 方差与标准差
第3.4讲 向量角度
第4.1讲 K均值聚类
第4.2讲 K均值聚类应用
第5.1讲 线性无关
第5.2讲 GramSchmidt正交化
第6.1讲 矩阵标记与表示
第6.2讲 矩阵向量乘法
第6.3讲 矩阵向量示例
第7.1讲 矩阵采样与数据选择
第7.2讲 关联矩阵
第7.3讲 卷积与矩阵
第8.1讲 线性函数
第8.2讲 线性函数模型
第8.3讲 线性方程组
第9.0讲 动态系统
第10.1讲 矩阵乘法
第10.2讲 矩阵乘法示例
第10.3讲 矩阵次方与分解
第11.1讲 逆矩阵
第11.2讲 求解线性方程
第11.3讲 矩阵伪逆
第12.1讲 最小二乘法
第12.2讲 最小二乘法示例
第13.1讲 最小二乘数据拟合
第13.2讲 单变量函数拟合
第13.3讲 拟合效果验证
第14.1讲 分类问题
第14.2讲 最小二乘分类
第14.3讲 多类分类
第15.1讲 多目标最小二乘
第15.2讲 多目标最小二乘控制
第15.3讲 预估与正则
第15.4讲 回归数据拟合
第16.1讲 受约束的最小二乘
第16.2讲 受约束的最小二乘求解
第17.1讲 组合优化
第17.2讲 线性二次约束
第17.3讲 线性二次约束状态预估
第18.1讲 非线性方程与最小二乘
第18.2讲 LM(Levenberg–Marquardt)算法
第18.3讲 非线性模型拟合
第19.1讲 受约束的非线性最小二乘
第19.2讲 拓展拉格朗日法

ShowMeAI课程解读:全套资料

更多技术与课程清单 | 点击查看详细课程

技术方向 课程及链接
计算机数学基础 MIT-计算机科学的数学基础
辛辛那提大学-微积分I
辛辛那提大学-微积分II
辛辛那提大学-离散数学
斯坦福-线性代数与矩阵方法导论
计算机科学导论 斯坦福-计算机科学导论
哈佛-计算机科学导论
MIT-计算机科学与Python编程导论
数据结构与算法 MIT-数据结构与算法设计
马里兰大学-数据结构
数据库 CMU-数据库系统导论
CMU-数据库系统进阶
机器学习及应用 斯坦福CS229
MIT-机器学习导论
深度学习及应用 斯坦福CS230
哈佛-Python人工智能入门
MIT-深度学习导论
李宏毅-机器学习(&深度学习)
应用深度学习(全知识点覆盖)
UC Berkeley-深度神经网络设计、可视化与理解
威斯康星-深度学习和生成模型导论
UC Berkeley-全栈深度学习训练营
自然语言处理 斯坦福CS224n(深度学习与NLP)
斯坦福CS124(从语言到信息)
斯坦福CS520(知识图谱)
马萨诸塞-自然语言处理进阶
计算机视觉 斯坦福CS231n(深度学习与CV)
密歇根eecs498(CS231n进阶课)
慕尼黑工大adl4cv(深度学习与CV高阶课)
多模态 CMU-多模态机器学习
图机器学习 斯坦福CS224w
强化学习 斯坦福CS234(强化学习)
伯克利CS285(深度强化学习)
无监督学习 伯克利CS294-158(深度无监督学习)
AI与生物医疗 MIT-面向生命科学的深度学习
MIT-基因组学机器学习
MIT-医疗机器学习
图形学与几何 CMU-计算机图形学
AMMI-几何深度学习
其他课程 哈佛-基于Python/JavaScript的web编程
MIT-计算思维导论(Julia)
end
*****
本文作者 韩信子
欢迎关注微信公众号 ShowMeAI研究中心 获取更多资源!