MARC状态：待编 文献类型：中文图书 浏览次数：1
- 题名/责任者:
- 线性代数与数据学习/(美) 吉尔伯特·斯特朗著 余志平, 李铁夫, 马辉译
- 出版发行项:
- 北京:清华大学出版社,2024.6
- ISBN及定价:
- 978-7-302-63640-3/CNY138.00
- 载体形态项:
- xii, 371页:图;26cm
- 丛编项:
- 电子信息前沿技术丛书
- 个人责任者:
- 斯特朗 (Strang, Gilbert) 著
- 个人次要责任者:
- 余志平 译
- 个人次要责任者:
- 李铁夫 译
- 个人次要责任者:
- 马辉 译
- 学科主题:
- 线性代数
- 学科主题:
- 机器学习
- 中图法分类号:
- O151.2
- 中图法分类号:
- TP181
- 责任者附注:
- 吉尔伯特·斯特朗 (Gilbert Strang), 美国享有盛誉的数学家、教育家, 在有限元理论、变分法、小波分析和线性代数等方面皆有研究贡献。他对数学教育做出了许多贡献, 出版了十几部数学教科书和专著。余志平, 清华大学集成电路学院教授、博士生导师, IEEE Life Fellow (国际电气与电子工程学会终身会士)。李铁夫, 清华大学集成电路学院副研究员、院长助理, 北京量子信息科学研究院兼聘研究员, 日本理化学研究所客座研究员。马辉, 清华大学数学科学系教授、博士生导师。2000年于北京大学数学科学学院获得理学博士学位, 先后在清华大学、美国马萨诸塞州州立大学Amherst分校作博士后研究。
- 书目附注:
- 有索引
- 提要文摘附注:
- 本书源自吉尔伯特·斯特朗教授的第二门线性代数公开课, 帮助读者了解深度学习的学习路径。本书从零开始 (四个基本子空间), 无需线性代数课程基础就可以学习。主要内容包括线性代数基础、大规模矩阵计算、低秩与压缩传感、特殊矩阵、概率与统计、最优化、数据学习等。重点是解释数据科学和机器学习所依赖的数学, 而非关于计算、编程或软件的细节。本书内容丰富全面, 思路新颖独特, 讲授深入浅出, 强调实际应用。
- 使用对象附注:
- 本书可作为人工智能、大数据等相关专业的教材, 也可供相关领域的科研人员、工程技术人员参考
全部MARC细节信息>>