
姜伟生
数据科学和机器学习已经深度融合到我们生活的方方面面,而数学正是开启未来大门的钥匙。不是所 有人生来都握有一副好牌,但是掌握“数学 + 编程 + 机器学习”绝对是**。这一次,学习数学不再是为了考试、分数、升学,而是投资时间、自我实现、面向未来。为了让大家学数学、用数学,甚至爱上数学, 在创作这套书时,作者尽量克服传统数学教材的各种弊端,让大家学习时有兴趣、看得懂、有思考、更自信、用得着。 鸢尾花书有三大板块——编程、数学、实践。数据科学、机器学习的各种算法离不开数学,本册《矩阵力量》是“数学”板块的第 2 本,主要介绍常用线性代数工具。任何数学工具想要从一元推广到多元,比如多元微积分、多元统计,都绕不开线性代数。 《矩阵力量:线性代数全彩图解 + 微课 + Python编程》共 25 章内容,可以归纳为 7 大板块:向量、矩阵、向量空间、矩阵分解、微积分、空间几何、数据。《矩阵力量:线性代数全彩图解 + 微课 + Python编程》在讲解线性代数工具时,会穿插介绍其在数据科学和机器学习领域的应用场景,让大家学以致用。《矩阵力量:线性代数全彩图解 + 微课 + Python编程》读者群包括所有在工作中应用数学的朋友,尤其适用于初级程序员进阶,大学本科数学开窍,高级数据分析师,人工智能开发者。
绝世好书!!和一般的教材比起来,这本书很擅长说人话,单是这一点就可以给到顶级了。电子书更适合像我这样追求短时快速补基础的人,易于检索内容。我特别想提的一点是,书中对概念的可视化不仅特别直观易懂,而且审美也很好!这个系列丛书实在是伟大。
这本书的优点有第一,非常形象的以图形视角给我们解释了矩阵,将数字背后的意义通过几何展示出来。第二,关于矩阵的基本概念以及运算法则等每一部分,作者都从多角度进行了解拆,有助于读者从图形、数据分析等各种角度理解。第三,对于矩阵在机器学习中的作用有了直观的认识。缺点的话主要是某些很重要的部分没有深入的去讲解,而只是给了底层逻辑的结论,但是欠缺分析过程增加了理解难度。但是瑕不掩瑜,本书对于外行来说依然算是初窥深度学习的优质工具书,所以还是推荐这本书配着给吉尔伯特书一块儿食用。
一口气看了十分之一,直呼牛皮。直接先跑b站与github一键三连,就地成粉。 本书作者写作风格,逻辑表达以及全方面的配图配套资料,简直无懈可击,可作为写作参考标准了。
这本书带我重温了大学学习过知识。非常好。特别是从几何的角度去看,很有意思。当年学习的计算机图形学用到了许许多多几何变换,如今的深度学习又是变换。矩阵无处不在,确实极具力量。 谢谢作者,用心写了,也写得好。
有数据的地方,必有矩阵! 有矩阵的地方,更有向量! 有向量的地方,就有几何! 有几何的地方,皆有空间! 有数据的地方,定有统计!
2024 年 9月13日,今天很合适推荐这本书,或者说,这套书。 对于一个医学生,本科只学了“医学高等数学”这种程度的“虚高等”数学,奈何对人工智能感兴趣,故一等毕业就改行。职场中摸爬滚打几年,终于着手从零开始学习高等数学至今。 期间学过“宋浩”的线代、积分——老师好,教材差(*济大学之类)。后来看了 3blue1brown 的视频,配合普林斯顿概率论等教材,才算是真正学了高数,然后就“偶遇了”姜伟生的这套书。 怎么说呢?很懂这位“小镇做题家”这份赤子之心。 诚然,如一个差评读者的说法:一本书想讲明白高数的一个亚目是千难万难、痴心妄想的,但谁告诉你这套书是想说“明白”呢? 进入高数的殿堂,有了敲门砖,似乎还缺一个地图; 上了 AI 的餐桌,可有一个菜谱可以让咱不用动嘴就能尽尝珍馐滋味? 学 AI 的时候就可以不再用推荐算法和搜索引擎了? 拿着地图,偶尔唤出另一位朋友帮忙指点; 拿着菜谱,偶尔换一把勺子舀来汤汁喝喝。 明天就是最后一本实体书上线后的五折活动了,我准备再买一本支持一下,希望这位屠龙做题家初心不改。 另外,其实现在的后发选手很难靠 ai 等知识性优势完成阶层跃升。但,我们在学习途中涉及到的每一个数学/概率论、系统论思维都会对三观造成冲击和重塑,花这个时间不亏的。 大数定律,马尔可夫链,贝叶斯,傅里叶变换,降维升维,多因素,特征值,稍微问问现在的 AI,他们在实际经济、工程、物理中的应用,每每都是一次深刻的认知革命。
这本书讲的知识点就像一个个绚丽的孤岛,每个岛五光十色,风景秀丽,但岛跟岛之间千丝万缕的底层联系,全隐藏在海平面以下。。。你如果有线代的基础并且看过这本书,就知道我是什么意思。这书定位只能是锦上添花,前提是你得有锦,否则这个花也添不出来。我之前没没线代基础啃到矩阵分解就开始不知所云。全是公式堆砌,不解释为什么这么拆分,很多配图对理解核心的本质概念毫无用处,还增加理解负担,最后绕来绕去在一堆公式变体里头晕眼花。要学线代还是直接斯特朗的吧,我也是学完斯特朗回来重看矩阵分解才看明白。
这本书对没有线性代数基础或线代基础不好的初学者并不友好。“图解”的重点在“解”,图只是起到辅助作用,而本书图片有些过于繁多冗余了,导致对图片解读显得啰嗦,并且有些地方公式推导直接出结论,不明所以,详略并不得当。公式的推导比图片更能给人留下深刻的印象,也更能搭建起线代的知识体系。而图片的直观易懂,易让人对线代眼高手低。因此,我认为这本书适合线代基础较好的读者,在此基础上得到更多视角的补充。
我觉得所学的,如果说有一个东西有用的话,那就是线性代数,他真的比较契合。 有些东西,当初设计就是这帮数学家设计的规则。 一直想的是在运用上能达到老师的水平。 如果说接触的人当中经验丰富比较多的,在同龄段的话,那就是学计算机的。 他们有的个人独立开发,独立设计,完成一个项目,或者改编程序,不同于常规的一些普通版的软件。 至于心理相对成熟的,那根本就不叫经验丰富。认知是稍高一点,但并不太多。
全书的可视化图解做得很出色,将很多线性代数的知识点寓于图形中解释,确实有助于化解读者对于多元线性空间的心理恐惧。同时,每一幅图解,都能找到相对应Python语言生成方法,非常有利于理论和实践结合,有助于开拓读者使用Python语言的眼界。再者,对应于大部分知识点,作者都通过多个视角分别进行阐释,就好像有多位各有所长导师同时在对读者进行辅导,帮助读者融汇贯通。 最后,说一下本书的一点缺撼,虽然作者竭力做到前后内容相互引用,但是全书缺少二级三级目录,很不利于读者查找相关内容,如果再版能够提供超级链接,或者增设文后总索引表,将大有助益。