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”绝对是王牌。这次,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。
《数学要素:全彩图解 + 微课 + Python编程》打破数学板块的藩篱,将算数、代数、线性代数、几何、解析几何、概率统计、微积分、优化方法等板块有机结合在一起。从加、减、乘、除四则运算讲起,主要内容包括:第 1、2 章讲解向量和矩阵的基本运算;第 3 章讲解常用几何知识;第 4 章讲解代数知识;第 5、6 两章介绍坐标系;第 7、8、9 三章介绍解析几何;第 10 章到第 14 章都是围绕函数展开;第 15 章到第 19 章讲解微积分以及优化问题内容;第20、21 两章是概率统计入门;《数学要素:全彩图解 + 微课 + Python编程》最后四章以线性代数收尾。
《数学要素:全彩图解 + 微课 + Python编程》内容编排上突出“图解 + 编程 + 机器学习应用”。讲解一些特定数学工具时,《数学要素:全彩图解 + 微课 + Python编程》会穿插介绍其在数据科学和机器学习领域应用场景,让大家学以致用。
《数学要素:全彩图解 + 微课 + Python编程》虽标榜“从加减乘除到机器学习”,但是建议读者至少具备高中数学知识。如果读者正在学习或曾经学过大学数学 ( 微积分、线性代数、概率统计 ),就更容易读了。
姜伟生 博士 FRM。
勤奋的小镇做题家,热爱知识可视化和开源分享。自2022年8月开始,在GitHub上开源“鸢尾花书”学习资源,截至2023年4月,已经分享2000多页PDF、2000多幅矢量图、约1000个代码文件,全球读者数以万计。
绪论1
1.2数字分类:从复数到自然数11
1.3加减:最基本的数学运算15
1.4向量:数字排成行、列18
1.5矩阵:数字排列成长方形19
1.6矩阵:一组列向量,或一组行向量23
1.7矩阵形状:每种形状都有特殊性质和用途25
1.8矩阵加减:形状相同,对应位置,批量加减26
第2章乘除29
2.2向量乘法:标量乘法、向量内积、逐项积34
2.3矩阵乘法:最重要的线性代数运算规则36
2.4矩阵乘法第一视角40
2.5矩阵乘法第二视角43
2.6矩阵除法:计算逆矩阵46