課程介紹
購買課程後添加小助手爲好友（微信ID：superaihelper）加入課程討論羣。本課程囊括了機器學習理論中所需要的和線性代數相關的所有知識。 主要有矩陣的定義、性質、運算、分解以及應用。另外，還會講解線性空間、範數、生成子空間相關知識。
課程收益
本課程由專業數學系老師講解，從數學背景和現實應用中講解線性代數的相關知識，擺脫傳統的講概念、記公式、解體的數學學習模式，讓聽衆對線性代數有一個全新的、深刻的認識。使聽衆能夠了解矩陣和空間的概念、性質。深刻理解矩陣各類運算、分解的數學意義和應用，爲後續的機器學習打下紮實的數學基礎。
講師介紹
AI100更多講師課程
AI100致力於推進人工智能和數據科學領域的人才培養。目標是在 2025 年前爲中國培養100萬人工智能工程師，200萬各行業數據科學講師，幫助30萬中國企業走向智能化。
課程大綱
第1章:矩陣初步
1.機器學習之矩陣論課程介紹 7:00
2.（一）矩陣基本概念 24:59
3.（二）矩陣基本運算 0:46
4.（2.1）矩陣相等 0:58
5.（2.2）矩陣加減法 4:16
6.（2.3）數與矩陣乘法 3:36
7.（2.4）矩陣與矩陣乘法 21:49
8.（2.5）矩陣的轉置 5:04
9.（2.6）方陣的行列式（determinant） 15:04
10.（2.7）矩陣的逆 12:35
11.（2.8）矩陣的秩 24:57
12.（2.9）矩陣的跡運算 2:31
13.矩陣第一課課後答疑 20:32
第2章:矩陣變換和線性空間
1.線性空間與矩陣分解 0:43
2.（一）線性空間簡介 4:48
3.（1.1）線性空間的定義 16:26
4.（1.2）線性空間的基 9:49
5.（1.2.1）線性空間的基的定義 10:19
6.（1.2.2）座標 5:56
7.（1.3）線性空間的基數 17:46
8.（二）矩陣分解簡介 1:16
9.（2.1）特徵值與特徵向量定義 6:01
10.（2.2）矩陣分解 8:59
11.（2.3）正交矩陣與標準正交基 3:40
12.（2.4）正交矩陣的性質 4:32
13.（2.5）正交分解 3:56
14.（2.6）正交分解的幾何意義 6:19
15.（2.7）矩陣的SVD（奇異值分解） 5:33
16.（2.8）SVD應用：Moore-Penrose僞逆 7:59
17.（2.9）SVD應用：PCA（主成分分析）的數學原理 7:30
18.矩陣第二課課後答疑 10:06
第3章:矩陣求導
1.多元函數極值問題（矩陣求導） 3:50
2.（1.1）多元函數導數的定義 5:57
3.（1.2）最速下降方向 17:35
4.（1.3）牛頓法 30:20
5.（1.4）案例講解：最小二乘法（線性迴歸）、嶺迴歸、Logistic迴歸 40:28
大家可以點擊【查看詳情】查看我的課程