高级线性代数学习小组(正式组)


About

线性代数作为现代数学的核心,是理解、设计和实现机器学习算法的基础,特别是在深度学习及神经网络的应用中显得尤为重要。本次学习小组将通过共同学习Gilbert Strang教授的公开课MIT18.065 Matrix Methods in Data Analysis, Signal Processing, and Machine Learning, 以及对应的教材Linear Algebra and Learning from Data,对Machine Learning里涉及的主要线性代数相关知识,如数值现代,最优化,概率和统计进行全面的梳理,力图从现代的角度来理解流行的算法。

学习目标:通过学习MIT 公开课18.065以及阅读教材、完成相应的课后习题, 掌握线性代数在机器学习中的重要应用。

学习内容简介: 学习方式:本学习小组以个人学习+小组讨论相结合形式进行,要求学员深入思考并积极参与讨论。具体形式为: 学习任务:每周末由一位组员对某一个topic进行线上讲解(需准备PPT), 梳理知识点, 着重介绍该topic的重难点。 课程结构:课程时长约为 1个小时。每次课的前10分钟通过对上一周的习题进行点评, 来复习前一节课的内容。提问答疑:学习小组所有成员进行个人学习,遇到问题可以随时在学习群里面讨论;对于全体成员均不确定或无法解决的难题,助教提供阶段性指导,助教也会在期中和期末按需进行答疑(主要在微信群)。 完成作业:小组**正式学员**需要每周完成并提交布置的习题。(旁听组不做要求但鼓励完成作业)

学习建议: 每周需要投入10小时以上 由于课程相对进阶,建议课程开始前最好能预习一遍公开课内容。开课后,要保证每天有1.5个小时的学习时间。

学员组成:
助教一位(已到位);领队一位(已到位);正式组8人(含领队);旁听组若干人。

报名要求:
报名要求: 不限专业。要求对学习有热情,有独立思考和钻研的能力。由于内容相对进阶,面向有一定基础、想继续提高线性代数技能的同学。

课程时间:
2020/08/09-2020/10/11,历时10周。包括8周课程和期中的一周break(第5周),以及第十周的习题review

琪石学分: 3


Syllabus

部分学习大纲:
Week 1: Basics of Linear Algebra (Lectures 1 - 4) , Column Space,Matrix Factorization,Orthogonality,Eigenvalues and Eigenvectors , Week 2: Highlights of Linear Algebra (Lectures 5 - 8) , Positive Definite Matrices and Semidefinite Matrices, SVD & PCA,the Best Low ,Rank Matrix,Norms of Vectors and Functions and Matrices , , Week 3: Applications and Computations (Lectures 9 – 13) , Least Squares Problems,Numerical Linear Algebra, Computing Eigenvalues and Eigenvectors,Randomized Matrices , Week 4: Matrix Analysis (Lectures 14 – 17) , Low Rank Changes in A and Its Inverse,Derivatives of Matrices and Inverses,More on Singular Values , Week 5: Break , Week 6: Matrix Optimization I (Lectures 18-22) , Saddle Points and Maximum Principle,Minimization and Gradient Descent method , Week 7: Matrix Optimization II (Lectures 23-25) , Accelerating Gradient Descent, Linear Programming,Stochastic Gradient Descent , Week 8: Learning from Data I (Lectures 26-27,30-31) , Neural networks & Backpropagation,Circulants and Fourier Matrices , Week 9: Learning from Data II (Lectures 32-35) , Convolutional Neural Nets,Procrustes Problem,Clustering , Week10: Review

学习资料:
网课地址:https://ocw.mit.edu/courses/mathematics/18-065-matrix-methods-in-data-analysis-signal-processing-and-machine-learning-spring-2018/index.htm 教材网址:https://math.mit.edu/~gs/learningfromdata/

...

This activity has full participants or has passed registration deadline.

...

Activity type: OnlineStudyGroups

Invite friends to join!

...


Announce date: May 25, 2020

Registration deadline: Aug. 2, 2020

Start date: Aug. 9, 2020

End date: Oct. 11, 2020

...

Leader: Not disclose

Maximum participants: 8

Maximum Applicants: 30

12 people already applied

...

This activity is free


Copyright 2020 by Flash Kick In Consulting Inc. All Rights Reserved.