第二期高级线性代数学习小组(正式组_免费)


About

学习目标

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。

学习方式
本学习小组以个人学习与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。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。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。每周需要投入10小时以上。
学习任务:每周自学公开课视频、阅读教材、完成课后习题,并参与线上报告(约1小时)及微信群的讨论和答疑。
每周报告:正式组组员轮流做线上报告,梳理课程的重点和难点内容,分享学习心得。每次线上报告前约10分钟对上周的习题进行点评。
讨论答疑:学习小组所有成员在进行个人学习的过程中,遇到的问题可以随时在学习群里提出讨论;对全体学员均不确定或无法解决的难题,由助教提供阶段性指导;助教也会在其中和期末按需在学习群中进行答疑。
完成作业:正式小组学员需每周完成并提交课后习题;旁听组不做要求但鼓励完成作业。

学员组成:

助教:一名(已到位) 

领队:一名(已到位) 

组员:8人(含领队),不限专业,但要求有责任心,爱表达提问,有独立思考和钻研的能力。

报名要求:

注册并登录陆琪石网站https://www.qishicpc.com, 在Activities中选择进行报名。
正式组(免费):需要面试才能进入。正式组仅限高级会员和外卡会员报名(外卡购买详见此处,费用为50美元,有效期为365天,大多数付费活动五折优惠)。报名时请附上自己的简历和Cover Letter (简单说明为什么感兴趣、每周可投入时间等)。
旁听组(收费):缴费即进场。旁听组对所有会员开放,报名费一旦缴费成功确定报名,报名费概不退还。

课程时间:
04/30/2023 - 06/20/2023,共计8周。

琪石学分: 2


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: Matrix Optimization I (Lectures 18-22), Saddle Points and Maximum Principle,Minimization and Gradient Descent method.

Week 6: Matrix Optimization II (Lectures 23-25), Accelerating Gradient Descent, Linear Programming,Stochastic Gradient Descent.

Week 7: Learning from Data I (Lectures 26-27, 30-31), Neural Networks & Backpropagation,Circulants and Fourier Matrices. 

Week 8: Learning from Data II (Lectures 32-35), Convolutional Neural Nets,Procrustes Problem,Clustering.

学习资料:
公开课:https://ocw.mit.edu/courses/18-065-matrix-methods-in-data-analysis-signal-processing-and-machine-learning-spring-2018/ 教材:https://math.mit.edu/~gs/learningfromdata/

...

This activity is only available to Premium and Wild Card Members

Register or Login to apply!

...

Activity type: OnlineStudyGroups

Invite friends to join!

...


Announce date: Jan. 9, 2023

Registration deadline: April 8, 2023

Start date: April 30, 2023

End date: June 20, 2023

...

Leader: Not disclose

Maximum participants: 8

Maximum Applicants: 30

8 people already applied

...

This activity is free


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