Мы уже знаем, что данные можно представить с помощью векторов и матриц.
Линейная алгебра позволяет преобразовывать данные и извлекать из них пользу.
Перед началом этого курса рекомендую повторить математику в библиотеке Numpy, в частности, умножение векторов и матриц, а также типы и свойства матриц.
Раздел 1. Векторы и матрицы
- Векторы
- Векторные пространства
- Матрицы и линейные преобразования
- Системы уравнений
- Определитель матрицы
- Ранг и подпространства матрицы
- Метод наименьших квадратов
- Смена базиса
Раздел 2. Разложение матриц и PCA
- Введение в разложение матриц
- Собственные векторы и значения
- Собственное разложение
- Спектральное разложение
- Определенность матрицы
- Подобные матрицы
- Сингулярное разложение
- Обратная матрица
- Латентно-семантический анализ
- PCA: часть 1, часть 2
Перейдем к статистике.