Algebra lineare pratica per la scienza dei dati

Se vuoi lavorare in qualsiasi campo computazionale o tecnico, devi capire l'algebra lineare. Come studio delle matrici e delle operazioni che agiscono su di esse, l'algebra lineare è la base matematica di quasi tutti gli algoritmi e le analisi implementati nei computer. Ma il modo in cui viene presentata nei libri di testo vecchi di decenni è molto diverso da come i professionisti usano l'algebra lineare oggi per risolvere applicazioni moderne del mondo reale.

Questa guida pratica di Mike X Cohen insegna i concetti fondamentali dell'algebra lineare implementata in Python, compreso il loro utilizzo nella scienza dei dati, nell'apprendimento automatico, nel deep learning, nelle simulazioni computazionali e nelle applicazioni di elaborazione dei dati biomedici. Grazie alle conoscenze acquisite con questo libro, sarai in grado di comprendere, implementare e adattare una miriade di metodi e algoritmi di analisi moderni.

Ideale per professionisti e studenti che usano la tecnologia informatica e gli algoritmi, questo libro ti introduce a:

• Le interpretazioni e le applicazioni dei vettori e delle matrici
• L'aritmetica delle matrici (varie moltiplicazioni e trasformazioni)
• Indipendenza, rango e inversi
• Importanti decomposizioni usate nell'algebra lineare applicata (comprese LU e QR)
• Decomposizione propria e decomposizione in valori singolari
• Applicazioni che includono l'adattamento di modelli dei minimi quadrati e l'analisi delle componenti principali