机读格式显示(MARC)

• 000 02220nam 2200361 450

• 001 0000796226

• 005 20250619073400.0

• 010 __ |a 978-7-302-63640-3 |d CNY138.00

• 100 __ |a 20240606d2024 em y0chiy50 ea

• 101 1_ |a chi |c eng

• 102 __ |a CN |b 110000

• 105 __ |a a z 001yy

• 106 __ |a r

• 200 1_ |a 线性代数与数据学习 |A xian xing dai shu yu shu ju xue xi |f (美) 吉尔伯特·斯特朗著 |d = Linear algebra and learning from data |f Gilbert Strang |g 余志平, 李铁夫, 马辉译 |z eng

• 210 __ |a 北京 |c 清华大学出版社 |d 2024.6

• 215 __ |a xii, 371页 |c 图 |d 26cm

• 225 2_ |a 电子信息前沿技术丛书 |A dian zi xin xi qian yan ji shu cong shu

• 314 __ |a 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。

• 320 __ |a 有索引

• 330 __ |a 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。

• 333 __ |a 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

• 410 _0 |1 2001 |a 电子信息前沿技术丛书

• 500 10 |a Linear algebra and learning from data |A Linear Algebra And Learning From Data |m Chinese

• 606 0_ |a 线性代数 |A xian xing dai shu

• 606 0_ |a 机器学习 |A ji qi xue xi

• 690 __ |a O151.2 |v 5

• 690 __ |a TP181 |v 5

• 701 _1 |a 斯特朗 |A si te lang |g (Strang, Gilbert) |4 著

• 702 _0 |a 余志平 |A yu zhi ping |4 译

• 702 _0 |a 李铁夫 |A li tie fu |4 译

• 702 _0 |a 马辉 |A ma hui |4 译

• 801 _0 |a CN |b 湖北三新 |c 20240606

• 905 __ |a LIB |d O151.2/362