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
ENGR108; Introduction to Applied Linear Algebra: Vectors, Matrices, and Least Squares; 线性代数与矩阵方法导论
🏆 课程学习中心 | 🚧 CS数学基础课程合辑 | 🌍 课程主页 | 📺 中英字幕视频 | 🚀 项目代码解析
Introduction to Applied Linear Algebra: Vectors, Matrices, and Least Squares
线性代数与矩阵方法导论
Stanford University
斯坦福大学
ENGR108
⭐⭐⭐⭐⭐


课程介绍

ENGR108; Introduction to Applied Linear Algebra: Vectors, Matrices, and Least Squares; 线性代数与矩阵方法导论

线性代数,是数据科学高阶课程的前置课程,也是前沿热门应用领域的根基。数据科学、机器学习、人工智能、信号和图像处理、层析成像、导航、金融等等,都建立在数学的基础之上。如果你想快速补充线性代数的相关知识,ENGR108 这门课是非常好的选择!

ENGR108; Introduction to Applied Linear Algebra: Vectors, Matrices, and Least Squares; 线性代数与矩阵方法导论

ENGR108 (曾用名:EE103、CME103)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。不同于定理证明矩阵运算的传统内容,这门课程更直观,用非常多的例子和图标,来表示向量、矩阵与复杂世界的关系,并能够解决现实问题。

线性代数的相关知识,向量、矩阵与矩阵运算、线性拟合、范数、线性方程等,这门课都已覆盖,而且设计巧妙,结合了实际应用场景,将数学转化为解决工程问题的能力。

ENGR108; Introduction to Applied Linear Algebra: Vectors, Matrices, and Least Squares; 线性代数与矩阵方法导论

课程讲师 Stephen Boy,斯坦福教授,是目前全球讲授线性代数、矩阵论方向最著名的老师之一,也是高赞图书《Introduction to Applied Linear Algebra – Vectors, Matrices, and Least Squares(应用线性代数简介——向量、矩阵和最小二乘法)》、《Convex optimization(凸优化)》的联合作者。

ENGR108; Introduction to Applied Linear Algebra: Vectors, Matrices, and Least Squares; 线性代数与矩阵方法导论

《Introduction to Applied Linear Algebra – Vectors, Matrices, and Least Squares(应用线性代数简介——向量、矩阵和最小二乘法)》也是本门课程的教材。课程网站中有这本书的电子版!不仅如此,课件、视频、Julia实现代码等配套学习资源也特别到位。


课程主题

课程官网发布了课程主题,ShowMeAI 对其进行了翻译。


课程资料 | 下载

ENGR108; Introduction to Applied Linear Algebra: Vectors, Matrices, and Least Squares; 线性代数与矩阵方法导论

扫描上方图片二维码,关注公众号并回复关键字 🎯『ENGR108』,就可以获取整理完整的资料合辑啦!当然也可以点击 🎯 这里 查看更多课程的资料获取方式!

ENGR108; Introduction to Applied Linear Algebra: Vectors, Matrices, and Least Squares; 线性代数与矩阵方法导论

课程面向全网,开发了全套课程资料。ShowMeAI 对课程资料进行了梳理,整理成这份完备且清晰的资料包:

还有比这更适合学习的么!学起来吧朋友们,四舍五入我们也算是Stanford的学生了!


课程视频 | B站

🌍 B站 | 【双语字幕+资料下载】斯坦福ENGR108 | 矩阵论与应用线性代数(2020·完整版)

ShowMeAI 将视频上传至B站,并增加了中英双语字幕,以提供更加友好的学习体验。点击页面视频,可以进行预览。推荐前往 👆 B站 观看完整课程视频哦!

本门课程,ShowMeAI 将部分章节进行了切分,按照主题形成更短小的视频片段,便于按照标题进行更快速的检索。切分后的视频清单列写在这里:


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

合辑 课程链接
CS数学基础课程合辑 【ENGR108】Stanford斯坦福 · 线性代数与矩阵方法导论课程
【6.042J】MIT麻省理工 · 计算机科学的数学基础课程
【MATH100】辛辛那提大学 · 微积分Ⅰ课程
【MATH101】辛辛那提大学 · 微积分Ⅱ课程
【MATH1071】辛辛那提大学 · 离散数学课程
计算机基础课程合辑 【14-455】CMU卡内基梅隆 · 数据库系统导论课程
【15-721】CMU卡内基梅隆 · 数据库系统进阶课程
【CS105】Stanford斯坦福 · 计算机科学导论课程
【CS50-CS】Harvard哈佛 · 计算机科学导论课程
【CS50-WEB】Harvard哈佛 · 基于Python / JavaScript的Web编程课程
【6.0001】MIT麻省理工 · 计算机科学与Python编程导论课程
【6.046J】MIT麻省理工 · 数据结构与算法设计课程
【18.S191】MIT麻省理工 · 计算思维导论(Julia)课程
【CMSC420】马里兰大学 · 数据结构课程
机器学习课程合辑 【AndrewNG-ML】吴恩达 · 机器学习专项课程
【CS229】Stanford斯坦福 · 机器学习课程
【6.036】MIT麻省理工 · 机器学习导论课程
深度学习课程合辑 【AndrewNG-DL】吴恩达 · 深度学习专项课程
【CS230】Stanford斯坦福 · 深度学习课程
【CSW182】Berkeley伯克利 · 深度神经网络设计、可视化与理解课程
【FSDL】Berkeley伯克利 · 全栈深度学习训练营课程
【CS50-AI】Harvard哈佛 · Python人工智能入门课程
【6.S191】MIT麻省理工 · 深度学习导论课程
【APPLY-DL】科罗拉多大学 · 应用深度学习(全知识点覆盖)课程
【STAT453】威斯康星 · 深度学习和生成模型导论课程
【T81-558】WUSTL · 深度神经网络应用案例实操课程
【HYLEE】李宏毅 · 机器学习(&深度学习)课程
NLP课程合辑 【CS224n】Stanford斯坦福 · 深度学习与自然语言处理课程
【CS124】Stanford斯坦福 · 从语言到信息课程
【CS520】Stanford斯坦福 · 知识图谱课程
【CS685】马萨诸塞大学 · 自然语言处理进阶课程
计算机视觉课程合辑 【CS231n】Stanford斯坦福 · 深度学习与计算机视觉课程
【EECS498】Michigan密歇根 · 深度学习与计算机视觉(CS231n进阶课)
【ADL4CV】慕尼黑工大 · 计算机视觉深度学习进阶课
强化学习课程合辑 【CS285】Berkeley伯克利 · 深度强化学习课程
【CS234】Stanford斯坦福 · 强化学习课程
AI生物医疗课程合辑 【6.047】MIT麻省理工 · 基因组学机器学习课程
【6.874】MIT麻省理工 · 面向生命科学的深度学习课程
【6.S897】MIT麻省理工 · 医疗机器学习课程
其他名校AI课程合辑 【CS294】Berkeley伯克利 · 深度无监督学习课程
【11-777】CMU卡内基梅隆 · 多模态机器学习课程
【15-462】CMU卡内基梅隆 · 计算机图形学课程
【CS224W】Stanford斯坦福 · 图机器学习课程
【6.S094】MIT麻省理工 · 深度学习与无人驾驶课程
【GDL】AMMI · 几何深度学习课程
ENGR108; Introduction to Applied Linear Algebra: Vectors, Matrices, and Least Squares; 线性代数与矩阵方法导论
*****
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!