Этот курс из 247 уроков включает в себя видео и текстовые объяснения всего из линейной алгебры, а также 69 тестов (с решениями!) и 12 дополнительных рабочих тетрадей с дополнительными практическими задачами, которые помогут вам проверить свои знания на этом пути.
Это пробный урок. Оформите подписку, чтобы получить доступ ко всем материалам курса. Премиум
Ограничение времени просмотра
Вы можете просматривать пробный урок только 10 минут. Получите полный доступ, чтобы смотреть без ограничений.
Transformation matrices and the image of the subset
Урок 47.
00:10:16
Preimage, image, and the kernel
Урок 48.
00:14:50
Linear transformations as matrix-vector products
Урок 49.
00:05:50
Linear transformations as rotations
Урок 50.
00:09:30
Adding and scaling linear transformations
Урок 51.
00:15:53
Projections as linear transformations
Урок 52.
00:10:01
Compositions of linear transformations
Урок 53.
00:01:28
Introduction to inverses
Урок 54.
00:14:40
Inverse of a transformation
Урок 55.
00:18:20
Invertibility from the matrix-vector product
Урок 56.
00:09:55
Inverse transformations are linear
Урок 57.
00:11:37
Matrix inverses, and invertible and singular matrices
Урок 58.
00:08:40
Solving systems with inverse matrices
Урок 59.
00:00:56
Introduction to determinants
Урок 60.
00:20:22
Determinants
Урок 61.
00:15:48
Cramer's rule for solving systems
Урок 62.
00:09:53
Modifying determinants
Урок 63.
00:17:00
Upper and lower triangular matrices
Урок 64.
00:08:29
Using determinants to find area
Урок 65.
00:00:59
Introduction to transposes
Урок 66.
00:09:15
Transposes and their determinants
Урок 67.
00:12:40
Transposes of products, sums, and inverses
Урок 68.
00:21:22
Null and column spaces of the transpose
Урок 69.
00:07:05
The product of a matrix and its transpose
Урок 70.
00:01:30
Introduction to orthogonality and change of basis
Урок 71.
00:15:36
Orthogonal complements
Урок 72.
00:15:50
Orthogonal complements of the fundamental subspaces
Урок 73.
00:18:37
Projection onto the subspace
Урок 74.
00:18:53
Least squares solution
Урок 75.
00:15:33
Coordinates in a new basis
Урок 76.
00:14:33
Transformation matrix for a basis
Урок 77.
00:01:10
Introduction to orthonormal bases and Gram-Schmidt
Урок 78.
00:09:50
Orthonormal bases
Урок 79.
00:09:07
Projection onto an orthonormal basis
Урок 80.
00:16:57
Gram-Schmidt process for change of basis
Урок 81.
00:00:57
Introduction to Eigenvalues and Eigenvectors
Урок 82.
00:21:34
Eigenvalues, eigenvectors, eigenspaces
Урок 83.
00:16:10
Eigen in three dimensions
Урок 84.
00:00:26
Wrap-up
Авторы - Krista King, udemy
Krista King
Уроки математики всегда был таким разочаровывающим. Я ходила в класс, часами занималась домашним заданием, а через три дня говорила: «Ага!», я нашла решение, которое могло сократить потраченное время вдвое. «ПОЧЕМУ мой учитель вообще не сказал мне об этом ?!» Так что я начала заниматься с другими, чтобы уберечь других от этого отягчающего, отнимающего время цикла. С тех пор я записала множество видеороликов и выписала заметки в стиле шпаргалок и
+75
udemy
Udemy - одна из самых больших площадок в мире по доставке обучающего контента от разных авторов всего мира. Присутсвуют курсы практически на любую тему.
Перезалейте пожалуйста Identity matrices в секции Operations on Two Matrices
learning_new_stuff
learning_new_stuff
@admin
Команда внимательно читает ваши комментарии и оперативно на них реагирует. Вы можете спокойно оставлять запросы на обновления или задавать любые вопросы о курсе здесь.
Complete linear algebra: theory and implementation
Изучите понятия линейной алгебры и матричного анализа и реализуйте их в MATLAB и Python. Линейная алгебра является, пожалуй, самой важной областью математики для вычислительных наук, включая машинное обучение, искусственный интеллект, науку о данных, статистику, моделирование, компьютерную графику, многомерный анализ, разложение матриц, обработку сигналов и так далее.
Книга природы написана на языке математики. То же самое можно сказать и про науку о данных. На курсе "Математика для Data Science" мы научим вас высшей математике ровно в том объёме, который необходим для входа в профессию Data Scientist. Занятия ведут преподаватели математики Московского физико-технического института, имеющие опыт работы в Data Science-подразделениях Яндекса и Сбербанка.