這份講義為初學(xué)者設(shè)計，涉及線性代數(shù)的基本概念、特殊矩陣及其應(yīng)用，并提供了相應(yīng)代碼和圖示。
人工智能的基礎(chǔ)是數(shù)學(xué)，線性代數(shù)又是其中的重要部分。然而，對于數(shù)學(xué)基礎(chǔ)不好的人來說，「線性代數(shù)」是一門非常抽象的課程。如何學(xué)習(xí)線性代數(shù)呢？這個 GitHub 項目介紹了一份入門級線性代數(shù)課程講義，適合大學(xué)生、程序員、數(shù)據(jù)分析師、算法交易員等，使用的代碼用 Python 語言寫成。項目地址：https://github.com/MacroAnalyst/Linear_Algebra_With_Python1. Linear Algebra and Its Applications 作者：Gilbert Strang 2. Linear Algebra and Its Applications 作者：David Lay 3. Introduction to Linear Algebra With Applications 作者：DeFranza、Gagliardi 4. Linear Algebra With Applications 作者：Gareth Williams
該講義為初學(xué)者設(shè)置，不過它對略有線性代數(shù)和微積分知識的人也有幫助。學(xué)習(xí)者應(yīng)具備 Python、NumPy、Matplotlib、SymPy 的基礎(chǔ)知識（3 天的訓(xùn)練足夠了）。為了使大家更容易地理解代碼，講義中涉及的所有代碼均以直觀的方式寫成，而沒有選擇高效或?qū)I(yè)的代碼風(fēng)格。項目作者表示：這些講義將為學(xué)習(xí)者提供數(shù)據(jù)學(xué)習(xí)、經(jīng)濟(jì)計量學(xué)、數(shù)學(xué)統(tǒng)計學(xué)、控制論等嚴(yán)重依賴線性代數(shù)的學(xué)科最需要的基礎(chǔ)知識。耐心學(xué)習(xí)完之后，你將更好地掌握線性代數(shù)的基本概念，接下來就可以學(xué)習(xí)特殊矩陣及其應(yīng)用。這份講義共包含 19 個章節(jié)，學(xué)習(xí)者可以使用 Jupyter NBViewer 打開 notebook，或者直接下載學(xué)習(xí)。打開對應(yīng)的 notebook 后，學(xué)習(xí)者可以看到對線性代數(shù)基本概念的講解，以及代碼和圖示等。以第十二講「特征值與特征向量」為例，下圖展示了其幾何直觀圖：
特征向量與特征值的幾何圖示。在線性變換前后方向相同的向量即為特征向量，其長度比為特征值。
|
