內容簡介
本書從機器學習視角,系統梳理線性代數與最優化理論,直擊初學者「知識零散、課程脫節」的痛點。全書以「應用導向」貫穿始終,分兩大模塊構建知識網絡: 1 線性代數及其應用:從矩陣運算本質出發,深入剖析奇異值分解(SVD)、核方法、圖譜理論等工具,通過人臉識別、推薦系統等案例,展現線性代數在特徵提取、降維、異常檢測中的核心作用。 2 最優化理論及其應用:以最小二乘回歸為支點,輻射梯度下降、牛頓法、約束優化等算法,揭示支持向量機、Logistic回歸的數學原理,並延伸至神經網絡訓練中的計算圖優化技術。 作者獨創「概念即時應用」模式,每章配以「理解題」與「綜合習題」,確保讀者在真實問題中內化知識,實現從數學公式到算法代碼的無縫銜接。作者簡介
查魯·C 阿加沃爾(Charu C Aggarwal),IBM T J Watson研究中心傑出研究人員(DRSM),於1996年在MIT獲得博士學位。他對數據挖掘領域有著廣泛的研究。在國際會議和期刊上發表了300餘篇論文。申請了90餘項專利。他曾三次被評為IBM的「傑出發明人」(Master Inventor)。並曾獲得IBM公司獎(IBM Corporate Award,2003)、IBM傑出創新獎和兩項IBM傑出技術成就獎(2009,2015)。他因為提出基於冷凝的數據挖掘中的隱私保護技術而獲得EDBT2014的時間檢驗獎(Test of Time Award)。他還獲得了IEEE ICDM研究貢獻獎(2015),這是數據挖掘領域對具有突出貢獻的研究的兩項最高獎項之一。 他曾多次擔任ACM/IEEE知名國際學術會議的主席或程序委員會主席。並擔任大數據相關多個知名期刊的主編或編委。由於在知識發現和數據挖掘算法上的貢獻,他入選SIAM、ACM和IEEE的會士。目錄
譯者序