使用Python和Numpy计算线性代数课程

欢迎来到使用Python和Numpy进行计算线性代数课程。这是一门面向数据科学家和机器学习工程师的全面线性代数教程，本课程将涵盖基本概念、实际实现和现实应用，以增强您对该领域的理解和专业知识。本课程是线性代数和Python的完美结合，对于任何希望练习编程技能并提高数学知识的人来说，这是一个理想的机会。在介绍环节中，您将学习线性代数的基本原理，了解其用例和关键概念。然后，在下一节中，我们将开始第一课，您将进一步了解标量、向量和矩阵等基本概念。此外，您还将学习矩阵操作，如加法、减法、二乘二矩阵乘法和三乘三矩阵乘法。接着，在第二课中，您将学习如何手动执行矩阵的逆和转置，然后学习如何使用Numpy进行计算。在第三课中，您将学习如何手动计算二乘二矩阵和三乘三矩阵的行列式，并使用Numpy进行计算。然后，在第四课中，您将学习如何解决复杂的线性方程，并通过多个练习问题来确保您理解这些概念。同时，在第五课中，您将学习如何手动计算特征值和特征向量，以及如何使用Numpy进行计算。然后，在第六课中，您将学习线性分解，特别是LU、QR和Cholesky分解。首先我们将手动进行计算，然后在您理解基本概念后，我们将利用Numpy进行计算。之后，在第七课中，您将学习如何使用Numpy创建特定大小的张量，更令人兴奋的是，我们将玩转张量，并学习如何通过切片和索引技术访问张量的值。接着，在第八课中，您将学习如何手动计算奇异值分解，同时也使用Numpy进行计算。Computational Linear Algebra With Python & Numpy

在完成线性代数课程后，我们将确保您有机会将学到的所有概念应用到真实世界项目中。总共将有五个项目，第一个项目中，您将使用线性分解构建推荐引擎，第二个项目中，您将使用奇异值分解构建图像压缩器，第三个项目中，您将使用线性回归预测房地产市场，第四个项目中，您将使用非负矩阵分解进行文本挖掘，最后一个项目中，您将使用主成分分析进行降维。首先，在开始课程之前，我们需要问自己这个问题，为什么要学习计算线性代数？好吧，这是我的答案。线性代数是许多用于机器学习、数据科学和工程的高级数学概念和技术的基础。在机器学习中，线性代数对于理解和实现诸如线性回归、支持向量机和神经网络等算法至关重要。在数据科学中，线性代数使我们能够高效地分析大型数据集，执行维度降低，并解决优化问题。在工程中，线性代数在建模物理系统、设计控制系统和解决微分方程中起着至关重要的作用。以下是您可以从本课程中学到的内容：学习线性代数的基本原理，了解其在现实世界中的应用和重要概念学习标量、向量、矩阵和张量之间的区别学习如何使用Numpy添加和减去矩阵学习如何使用Numpy乘以矩阵学习如何使用Numpy求逆和转置矩阵学习如何使用Numpy计算矩阵行列式学习如何使用Numpy计算矩阵范数、迹和秩学习如何使用Numpy解决线性方程组学习如何使用Numpy计算特征值和特征向量学习LU、QR和Cholesky分解学习如何使用Numpy创建、切片和重塑张量学习如何使用线性分解构建电影推荐引擎学习如何使用奇异值分解构建图像压缩器学习如何使用线性回归预测房地产

MP4 | 视频：h264，1920×1080 | 音频：AAC，44.1千赫
语言：英语 | 课程时长：3小时24分钟

使用NumPy和SciPy进行线性代数计算，矩阵运算，线性分解，主成分分析

你将学到什么
学习线性代数的基本原理，了解其在现实世界中的应用和重要概念
了解标量、向量、矩阵和张量之间的区别
学习如何使用Numpy添加和减去矩阵
学习如何使用Numpy乘以矩阵
学习如何使用Numpy求逆和转置矩阵
学习如何使用Numpy计算矩阵行列式
学习如何使用Numpy计算矩阵范数、迹和秩
学习如何使用Numpy解决线性方程组
学习如何使用Numpy计算特征值和特征向量
了解LU、QR和Cholesky分解
学习如何使用Numpy创建、切片和重塑张量
学习如何使用线性分解构建电影推荐引擎
学习如何使用奇异值分解构建图像压缩器
学习如何使用线性回归预测房地产市场
学习如何使用非负矩阵分解进行文本挖掘
学习如何使用主成分分析进行降维

要求
不需要先前的线性代数经验
Python和Numpy的基础知识

课程适用于对线性代数及其实际应用感兴趣的人，对数据科学和机器学习感兴趣的人。

课程目录：
第1部分：介绍

讲座1 课程介绍

讲座2 目录

讲座3 这门课程适合谁？

第2部分：工具和资源

讲座4 工具和资源

第3部分：线性代数介绍

讲座5 线性代数介绍

第4部分：标量，向量，矩阵和张量

讲座6 标量，向量，矩阵和张量

第5部分：使用Numpy进行矩阵加法和减法

讲座7 使用Numpy进行矩阵加法和减法

第6部分：使用Numpy进行矩阵乘法

讲座8 使用Numpy进行矩阵乘法

第7部分：使用Numpy进行矩阵求逆和转置

讲座9 使用Numpy进行矩阵求逆和转置

第8部分：使用Numpy计算矩阵行列式

讲座10 使用Numpy计算矩阵行列式

第9部分：使用Numpy计算矩阵范数，迹和秩

讲座11 使用Numpy计算矩阵范数，迹和秩

第10部分：使用Numpy解线性方程组

讲座12 使用Numpy解线性方程组

第11部分：使用Numpy计算特征值和特征向量

讲座13 使用Numpy计算特征值和特征向量

第12部分：LU，QR和Cholesky分解

讲座14 LU，QR和Cholesky分解

第13部分：使用Numpy创建张量

讲座15 使用Numpy创建张量

第14部分：使用线性分解构建电影推荐引擎

讲座16 使用线性分解构建电影推荐引擎

第15部分：使用奇异值分解压缩图像

讲座17 使用奇异值分解压缩图像

第16部分：使用线性回归预测房地产市场

讲座18 使用线性回归预测房地产市场

第17部分：使用非负矩阵分解进行文本挖掘

讲座19 使用非负矩阵分解进行文本挖掘

第18部分：使用主成分分析进行降维

讲座20 使用主成分分析进行降维

第19部分：结论和总结

讲座21 结论和总结