Bewertung:
Dieses Buch bietet eine praktische und leicht verständliche Einführung in die lineare Algebra, wobei der Schwerpunkt auf realen Anwendungen und Beispielen liegt, die für Data Science und maschinelles Lernen relevant sind. Während es für seine Klarheit, Organisation und Fülle an Beispielen gelobt wird, bemängeln einige Leser die mangelnde Strenge und die fehlende Abdeckung bestimmter grundlegender Themen wie Eigenwerte und SVD. Für diejenigen, die mehr in die Tiefe gehen wollen, gibt es gute zusätzliche Ressourcen.
Vorteile:⬤ Klare und praktische Darstellung der Konzepte der linearen Algebra.
⬤ Zahlreiche Beispiele und Anwendungen aus der Praxis, insbesondere in den Bereichen Datenwissenschaft und maschinelles Lernen.
⬤ Zugänglich für Anfänger und ohne Vorkenntnisse.
⬤ Hochwertiger Druck und Verfügbarkeit von ergänzenden Online-Ressourcen in Julia und Python.
⬤ Gut zum Selbststudium geeignet und bietet eine solide Einführung in die angewandte lineare Algebra.
⬤ Es fehlt an Strenge und Tiefe der theoretischen Konzepte im Vergleich zu traditionelleren linearen Algebra-Texten.
⬤ Deckt wichtige Themen wie Eigenwerte und SVD-Faktorisierung nicht ab.
⬤ Der Schreibstil kann komplex und schwierig für Selbstlerner sein, was zu Verwirrung führt.
⬤ Es werden keine Lösungen für Übungen angeboten, so dass es sich weniger für das Selbststudium eignet.
(basierend auf 21 Leserbewertungen)
Introduction to Applied Linear Algebra
Dieses bahnbrechende Lehrbuch kombiniert einfache Erklärungen mit einer Fülle von praktischen Beispielen und bietet so einen innovativen Ansatz für den Unterricht in linearer Algebra. Es setzt keine Vorkenntnisse voraus und deckt die Aspekte der linearen Algebra - Vektoren, Matrizen und kleinste Quadrate - ab, die für technische Anwendungen benötigt werden, wobei Beispiele aus den Bereichen Datenwissenschaft, maschinelles Lernen und künstliche Intelligenz, Signal- und Bildverarbeitung, Tomographie, Navigation, Steuerung und Finanzen behandelt werden.
Die zahlreichen praktischen Übungen ermöglichen es den Studenten, ihr Verständnis zu testen und ihr Wissen in die Lösung von realen Problemen umzusetzen. Vorlesungsfolien, zusätzliche Rechenübungen in Julia und MATLAB sowie Datensätze begleiten das Buch online unter https: //web. stanford.
edu/ boyd/vmls/. Dieser in sich geschlossene Text eignet sich sowohl für einsemestrige und viertelstündige Kurse als auch für das Selbststudium und bietet Anfängern die Grundlagen, die sie für ein weiterführendes Studium benötigen.
| ISBN: | 9781316518960 |
| Autor: | |
| Verlag: | |
| Einband: | Hardcover |
| Erscheinungsjahr: | 2018 |
| Seitenzahl: | 474 |
Derzeit verfügbar, auf Lager.
