马辉芬
人物简介：
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。曾任麻省理工学院数学系MathWorks讲座教授。主要讲授“线性代数导论”、“计算科学与工程”等开放式课程，获得广泛好评，是美国数学开放教学的领军人物。曾任美国数学联合政策委员会主席、美国数学委员会主席、美国国家科学基金会（NSF）数学顾问小组主席、国际工业与应用数学理事会（ICIAM）理事、阿贝尔奖委员会委员等职务。2009年当选美国国家科学院院士。在麻省理工学院任教61年后，他开设的MIT 18.06课程（线性代数）在OCW（开放式课程）平台上浏览量超过1000万次。
线性代数与数据学习书籍相关信息
- ISBN：9787302636403
- 作者：马辉芬 / 余志平 / [美] 吉尔伯特·斯特朗
- 出版社：:清华大学出版社
- 出版时间：2024-6
- 页数：371
- 价格：138.00元
- 纸张：暂无纸张
- 装帧：平装
- 开本：暂无开本
- 语言：暂无语言
- 丛书：电子信息前沿技术丛书
- 原作名：Linear Algebra and Learning from Data
- 适合人群：计算机科学专业学生, 机器学习工程师, 数据分析师, 数学爱好者, 研究生及以上层次的学习者
- TAG：数学基础 / 数据科学 / 线性代数 / 算法 / 机器学习 / 数据处理
- 豆瓣评分：7.2
- 更新时间：2025-05-19 01:04:01
内容简介：
本书是深度学习的导论，全面介绍机器学习的数学基础，阐述架构神经网络的核心思想，主要内容包括线性代数的重点、大规模矩阵的计算、低秩与压缩传感、特殊矩阵、概率与统计、最优化、数据学习等。
本书可作为数据科学方向的数学基础课程教材，也可供人工智能、深度学习领域的科研人员和工程技术人员参考。
全格式电子版 - 免费下载
