简介
Gilbert Strang是麻省理工学院数学教授,美国国家科学院院士和美国艺术与科学院院士,在有限元理论、变分法、小波分析及线性代数等领域卓有成就,著有多部经典数学教材,开设多门开放式课程,享有国际盛誉。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。
编辑推荐
全面为机器学习提供数学基础:从线性代数的核心知识,到大规模矩阵计算,到低秩近似和特殊矩阵,再到统计基础和优化算法。 •延续Strang教材的一贯风格:内容丰富,深入浅出,透过技术外壳,直指本质内核。 •解释构建神经网络的基础知识和核心思想。 •包含丰富的应用背景介绍、参考文献及网络资源。 •每章含有练习和编程习题。
更多出版物信息
- 版权: 清华大学出版社
- 出版: 2024-06-01
- 更新: 2025-01-21
- 书号:9787302636403
- 中图:O151.2
- 学科:理学数学