全球名校AI课程库(15)| Stanford斯坦福 · 线性代数与矩阵方法导论课程『Introduction to Applied Linear Algebra』

简介: 快速补充线性代数的必选课程!课程用了非常多的例子和图标,来直观地表示向量、矩阵与复杂世界的关系,并将数学转化为解决工程问题的能力。
ENGR108; Introduction to Applied Linear Algebra: Vectors, Matrices, and Least Squares; 线性代数与矩阵方法导论
🏆 课程学习中心 | 🚧 CS数学基础课程合辑 | 🌍 课程主页 | 📺 中英字幕视频 | 🚀 项目代码解析


课程介绍

线性代数,是数据科学高阶课程的前置课程,也是前沿热门应用领域的根基。数据科学、机器学习、人工智能、信号和图像处理、层析成像、导航、金融等等,都建立在数学的基础之上。如果你想快速补充线性代数的相关知识,ENGR108 这门课是非常好的选择!

ENGR108; Introduction to Applied Linear Algebra: Vectors, Matrices, and Least Squares; 线性代数与矩阵方法导论

ENGR108 (曾用名:EE103、CME103)是全球顶级院校斯坦福开设的以线性代数和矩阵论为主题的专业课程。不同于定理证明矩阵运算的传统内容,这门课程更直观,用非常多的例子和图标,来表示向量、矩阵与复杂世界的关系,并能够解决现实问题。

线性代数的相关知识,向量、矩阵与矩阵运算、线性拟合、范数、线性方程等,这门课都已覆盖,而且设计巧妙,结合了实际应用场景,将数学转化为解决工程问题的能力。

ENGR108; Introduction to Applied Linear Algebra: Vectors, Matrices, and Least Squares; 线性代数与矩阵方法导论

课程讲师 Stephen Boy,斯坦福教授,是目前全球讲授线性代数、矩阵论方向最著名的老师之一,也是高赞图书《Introduction to Applied Linear Algebra – Vectors, Matrices, and Least Squares(应用线性代数简介——向量、矩阵和最小二乘法)》、《Convex optimization(凸优化)》的联合作者。

ENGR108; Introduction to Applied Linear Algebra: Vectors, Matrices, and Least Squares; 线性代数与矩阵方法导论

《Introduction to Applied Linear Algebra – Vectors, Matrices, and Least Squares(应用线性代数简介——向量、矩阵和最小二乘法)》也是本门课程的教材。课程网站中有这本书的电子版!不仅如此,课件、视频、Julia实现代码等配套学习资源也特别到位。


课程主题

课程官网发布了课程主题,ShowMeAI 对其进行了翻译。

  • Linear functions(线性函数
  • Intro to Julia Tutorial(Julia 入门教程
  • Norm and distance(范数与距离度量
  • Clustering(聚类
  • Linear independence(线性无关
  • Matrices(矩阵
  • Linear equations(线性方程
  • Linear dynamical systems(线性动态系统
  • Matrix multiplication(矩阵乘法
  • Matrix inverses(逆矩阵
  • Regression(回归
  • Least squares classification(最小二乘法
  • Multi-objective least squares(多目标最小二乘
  • Constrained least squares(受约束的最小二乘


课程资料 | 下载

ENGR108; Introduction to Applied Linear Algebra: Vectors, Matrices, and Least Squares; 线性代数与矩阵方法导论

扫描上方图片二维码,关注公众号并回复关键字 🎯『ENGR108』,就可以获取整理完整的资料合辑啦!当然也可以点击 🎯 这里 查看更多课程的资料获取方式!

ENGR108; Introduction to Applied Linear Algebra: Vectors, Matrices, and Least Squares; 线性代数与矩阵方法导论

课程面向全网,开发了全套课程资料。ShowMeAI 对课程资料进行了梳理,整理成这份完备且清晰的资料包:

  • 📚 e-book:课程对应的电子书。
  • 📚 课件:Chapter 1-19的所有课件PDF版本。
  • 📚 作业: Stephen Boyd (课程讲师) 和 Lieven Vandenberghe 整理的课程练习题,共20多页,21章。

还有比这更适合学习的么!学起来吧朋友们,四舍五入我们也算是Stanford的学生了!


课程视频 | B站

🌍 B站 | 【双语字幕+资料下载】斯坦福ENGR108 | 矩阵论与应用线性代数(2020·完整版)

ShowMeAI 将视频上传至B站,并增加了中英双语字幕,以提供更加友好的学习体验。点击页面视频,可以进行预览。推荐前往 👆 B站 观看完整课程视频哦!


全球名校AI课程合辑

作者ShowMeAI内容团队
阅读原文https://www.showmeai.tech/article-detail/346

e9190f41b8de4af38c8a1a0c96f0513b~tplv-k3u1fbpfcp-zoom-1.image

目录
相关文章
|
23天前
|
机器学习/深度学习 人工智能 自然语言处理
扩散引导语言建模(DGLM):一种可控且高效的AI对齐方法
DGLM(Diffusion Guided Language Modeling)是一种新型框架,结合了自回归模型的流畅性和扩散模型的灵活性,解决了现有引导生成方法的局限性。DGLM通过扩散网络生成语义提案,并使用轻量级提示生成器将嵌入转化为软提示,引导自回归解码器生成文本。该方法无需微调模型权重,易于控制新属性,并在多个基准数据集上表现出色。实验结果显示,DGLM在毒性缓解、情感控制和组合控制等方面优于现有方法,为可控文本生成提供了新的方向。
35 10
扩散引导语言建模(DGLM):一种可控且高效的AI对齐方法
|
16天前
|
人工智能 算法 前端开发
首个 AI 编程认证课程上线!阿里云 AI Clouder 认证:基于通义灵码实现高效 AI 编码
为了帮助企业和开发者更好使用通义灵码,阿里云上线了“AI Clouder 认证课程--基于通义灵码实现高效 AI 编码”。本课程汇聚了后端、前端、算法领域 5 名实战派专家,带你体验 4 大研发场景实践,上手 3 大实操演练,深度掌握智能编码助手通义灵码,实现全栈 AI 编码技能跃升。
|
12天前
|
人工智能 自然语言处理
召唤100多位学者打分,斯坦福新研究:AI科学家创新确实强
【10月更文挑战第6天】斯坦福大学最新研究评估了大型语言模型(LLMs)在生成新颖研究想法方面的能力,通过100多位NLP专家盲评LLMs与人类研究人员提出的想法。结果显示,LLMs在新颖性方面超越人类(p < 0.05),但在可行性上略逊一筹。研究揭示了LLMs作为科研工具的潜力与挑战,并提出了进一步验证其实际效果的设计。论文详见:https://arxiv.org/abs/2409.04109。
29 6
|
13天前
|
人工智能 算法 前端开发
首个 AI 编程认证课程上线!阿里云 AI Clouder 认证:基于通义灵码实现高效 AI 编码
为了帮助企业和开发者更好使用通义灵码,阿里云上线了“AI Clouder 认证课程--基于通义灵码实现高效 AI 编码”。本课程汇聚了后端、前端、算法领域 5 名实战派专家,带你体验 4 大研发场景实践,上手 3 大实操演练,深度掌握智能编码助手通义灵码,实现全栈 AI 编码技能跃升。
|
20天前
|
人工智能
用AI人模拟社会学实验,居然成功了?斯坦福、NYU用GPT-4模仿人类,准确度惊人!
斯坦福大学和纽约大学的研究团队利用GPT-4模型成功模拟了人类在社交互动中的行为模式,实验结果显示AI能以惊人准确度模仿人类对话,甚至在在线论坛和社交媒体上与真人难以区分。这一突破不仅展示了AI在社会学研究中的巨大潜力,还引发了对AI伦理和透明度的深入探讨。尽管存在一些局限性和挑战,这项研究为未来社会学实验提供了新工具和方法。[论文地址:https://docsend.com/view/qeeccuggec56k9hd]
41 2
|
1月前
|
机器学习/深度学习 存储 人工智能
AI(文生语音)-TTS 技术线路探索学习:从拼接式参数化方法到Tacotron端到端输出
【9月更文挑战第1天】AI(文生语音)-TTS 技术线路探索学习:从拼接式参数化方法到Tacotron端到端输出
AI(文生语音)-TTS 技术线路探索学习:从拼接式参数化方法到Tacotron端到端输出
|
2月前
|
人工智能 数据挖掘 语音技术
通义语音AI技术问题之JPCP方法的工作原理如何解决
通义语音AI技术问题之JPCP方法的工作原理如何解决
33 5
|
2月前
|
人工智能
通义语音AI技术问题之Diagonal Attention Pooling(Ditto)方法的工作原理如何解决
通义语音AI技术问题之Diagonal Attention Pooling(Ditto)方法的工作原理如何解决
53 4
|
2月前
|
数据采集 存储 人工智能
利用AI技术改善数字化转型项目的九种方法
利用AI技术改善数字化转型项目的九种方法
|
2月前
|
机器学习/深度学习 人工智能 数据可视化
10个用于可解释AI的Python库
10个用于可解释AI的Python库