
姜偉生
數據科學和機器學習已經深度融合到我們生活的方方面面,而數學正是開啓未來大門的鑰匙。不是所 有人生來都握有一副好牌,但是掌握“數學 + 編程 + 機器學習”絕對是**。這一次,學習數學不再是爲了考試、分數、升學,而是投資時間、自我實現、面向未來。爲了讓大家學數學、用數學,甚至愛上數學, 在創作這套書時,作者儘量克服傳統數學教材的各種弊端,讓大家學習時有興趣、看得懂、有思考、更自信、用得着。 鳶尾花書有三大板塊——編程、數學、實踐。數據科學、機器學習的各種算法離不開數學,本冊《矩陣力量》是“數學”板塊的第 2 本,主要介紹常用線性代數工具。任何數學工具想要從一元推廣到多元,比如多元微積分、多元統計,都繞不開線性代數。 《矩陣力量:線性代數全綵圖解 + 微課 + Python編程》共 25 章內容,可以歸納爲 7 大板塊:向量、矩陣、向量空間、矩陣分解、微積分、空間幾何、數據。《矩陣力量:線性代數全綵圖解 + 微課 + Python編程》在講解線性代數工具時,會穿插介紹其在數據科學和機器學習領域的應用場景,讓大家學以致用。《矩陣力量:線性代數全綵圖解 + 微課 + Python編程》讀者羣包括所有在工作中應用數學的朋友,尤其適用於初級程序員進階,大學本科數學開竅,高級數據分析師,人工智能開發者。
絕世好書!!和一般的教材比起來,這本書很擅長說人話,單是這一點就可以給到頂級了。電子書更適合像我這樣追求短時快速補基礎的人,易於檢索內容。我特別想提的一點是,書中對概念的可視化不僅特別直觀易懂,而且審美也很好!這個系列叢書實在是偉大。
這本書的優點有第一,非常形象的以圖形視角給我們解釋了矩陣,將數字背後的意義通過幾何展示出來。第二,關於矩陣的基本概念以及運算法則等每一部分,作者都從多角度進行了解拆,有助於讀者從圖形、數據分析等各種角度理解。第三,對於矩陣在機器學習中的作用有了直觀的認識。缺點的話主要是某些很重要的部分沒有深入的去講解,而只是給了底層邏輯的結論,但是欠缺分析過程增加了理解難度。但是瑕不掩瑜,本書對於外行來說依然算是初窺深度學習的優質工具書,所以還是推薦這本書配着給吉爾伯特書一塊兒食用。
一口氣看了十分之一,直呼牛皮。直接先跑b站與github一鍵三連,就地成粉。 本書作者寫作風格,邏輯表達以及全方面的配圖配套資料,簡直無懈可擊,可作爲寫作參考標準了。
這本書帶我重溫了大學學習過知識。非常好。特別是從幾何的角度去看,很有意思。當年學習的計算機圖形學用到了許許多多幾何變換,如今的深度學習又是變換。矩陣無處不在,確實極具力量。 謝謝作者,用心寫了,也寫得好。
有數據的地方,必有矩陣! 有矩陣的地方,更有向量! 有向量的地方,就有幾何! 有幾何的地方,皆有空間! 有數據的地方,定有統計!
2024 年 9月13日,今天很合適推薦這本書,或者說,這套書。 對於一個醫學生,本科只學了“醫學高等數學”這種程度的“虛高等”數學,奈何對人工智能感興趣,故一等畢業就改行。職場中摸爬滾打幾年,終於着手從零開始學習高等數學至今。 期間學過“宋浩”的線代、積分——老師好,教材差(*濟大學之類)。後來看了 3blue1brown 的視頻,配合普林斯頓概率論等教材,纔算是真正學了高數,然後就“偶遇了”姜偉生的這套書。 怎麼說呢?很懂這位“小鎮做題家”這份赤子之心。 誠然,如一個差評讀者的說法:一本書想講明白高數的一個亞目是千難萬難、癡心妄想的,但誰告訴你這套書是想說“明白”呢? 進入高數的殿堂,有了敲門磚,似乎還缺一個地圖; 上了 AI 的餐桌,可有一個菜譜可以讓咱不用動嘴就能盡嘗珍饈滋味? 學 AI 的時候就可以不再用推薦算法和搜索引擎了? 拿着地圖,偶爾喚出另一位朋友幫忙指點; 拿着菜譜,偶爾換一把勺子舀來湯汁喝喝。 明天就是最後一本實體書上線後的五折活動了,我準備再買一本支持一下,希望這位屠龍做題家初心不改。 另外,其實現在的後發選手很難靠 ai 等知識性優勢完成階層躍升。但,我們在學習途中涉及到的每一個數學/概率論、系統論思維都會對三觀造成衝擊和重塑,花這個時間不虧的。 大數定律,馬爾可夫鏈,貝葉斯,傅里葉變換,降維升維,多因素,特徵值,稍微問問現在的 AI,他們在實際經濟、工程、物理中的應用,每每都是一次深刻的認知革命。
這本書講的知識點就像一個個絢麗的孤島,每個島五光十色,風景秀麗,但島跟島之間千絲萬縷的底層聯繫,全隱藏在海平面以下。。。你如果有線代的基礎並且看過這本書,就知道我是什麼意思。這書定位只能是錦上添花,前提是你得有錦,否則這個花也添不出來。我之前沒沒線代基礎啃到矩陣分解就開始不知所云。全是公式堆砌,不解釋爲什麼這麼拆分,很多配圖對理解核心的本質概念毫無用處,還增加理解負擔,最後繞來繞去在一堆公式變體裏頭暈眼花。要學線代還是直接斯特朗的吧,我也是學完斯特朗回來重看矩陣分解纔看明白。
這本書對沒有線性代數基礎或線代基礎不好的初學者並不友好。“圖解”的重點在“解”,圖只是起到輔助作用,而本書圖片有些過於繁多冗餘了,導致對圖片解讀顯得囉嗦,並且有些地方公式推導直接出結論,不明所以,詳略並不得當。公式的推導比圖片更能給人留下深刻的印象,也更能搭建起線代的知識體系。而圖片的直觀易懂,易讓人對線代眼高手低。因此,我認爲這本書適合線代基礎較好的讀者,在此基礎上得到更多視角的補充。
我覺得所學的,如果說有一個東西有用的話,那就是線性代數,他真的比較契合。 有些東西,當初設計就是這幫數學家設計的規則。 一直想的是在運用上能達到老師的水平。 如果說接觸的人當中經驗豐富比較多的,在同齡段的話,那就是學計算機的。 他們有的個人獨立開發,獨立設計,完成一個項目,或者改編程序,不同於常規的一些普通版的軟件。 至於心理相對成熟的,那根本就不叫經驗豐富。認知是稍高一點,但並不太多。
全書的可視化圖解做得很出色,將很多線性代數的知識點寓於圖形中解釋,確實有助於化解讀者對於多元線性空間的心理恐懼。同時,每一幅圖解,都能找到相對應Python語言生成方法,非常有利於理論和實踐結合,有助於開拓讀者使用Python語言的眼界。再者,對應於大部分知識點,作者都通過多個視角分別進行闡釋,就好像有多位各有所長導師同時在對讀者進行輔導,幫助讀者融匯貫通。 最後,說一下本書的一點缺撼,雖然作者竭力做到前後內容相互引用,但是全書缺少二級三級目錄,很不利於讀者查找相關內容,如果再版能夠提供超級鏈接,或者增設文後總索引表,將大有助益。