重学线性代数

• 完整实用的线性代数知识框架
• 通俗易懂的线性代数讲解方式
• 9 个机器学习线代核心点详解
• 线代在 3 大领域的实际应用

朱维刚，毕埃慕（BIM）首席战略官、副总裁，前阿里云资深产品与技术专家，微软人工智能金牌讲师，长期专注于云计算和大数据领域，自2006年开始从事机器学习相关工作，基本上每天都在跟“数学”打交道。他拥有多年海外工作经验，曾带领国际团队主导比利时电信云BeCloud，以及新加坡政府云G-Cloud的建设工作，目前致力于建筑行业中的数字孪生工作。

线性代数是计算机很多领域的基础。比如，如何让3D图形显示到二维屏幕上？这是线性代数在图形图像学中的应用。如何提高密码被破译的难度？这个密码学问题，用线性代数中的有限向量空间可以很好地解决。

那你还记得自己第一次接触“线性代数”这门课时，脑子里在想什么吗？是不是满脑子“问号”？

• 线性代数研究的到底是什么问题？
• 为什么要学向量、行列式、矩阵这些概念？
• 为什么我解个线性方程组要花个把小时，最后还解错了？
• 矩阵的运算规则为什么要这么定义？
• ……

不只是你，我相信很多人都没搞清楚这些问题。因为大多数讲线性代数的图书都是这样讲的：一上来就给定义，说推导过程，既不告诉你为什么要去学习这个概念，也没有告诉你它有哪些应用场景，容易让人一头雾水。

所以朱维刚老师从自己的学习经验出发，从底层基础概念开始，一步步循序渐进到应用实践，以自下而上的方式来进行讲解的同时，补充理论有关的实践讲解，在帮你搭建起线性代数知识体系的同时，获得螺旋式上升的学习效果。

课程设计

课程共分两个模块，分别为基础篇和应用篇。

基础篇主要讲线性代数的理论基础。从最简单、也是你最熟悉的线性方程组说起，在这基础上引出向量和矩阵，通过矩阵来解线性方程组的不同方法。并在向量和矩阵的基础上讲线性空间，因为在实践中，更多的是对集合的操作，也就是对线性空间的操作。最后讲解析几何，因为它使得向量从抽象走向了具象，让向量具有了几何含义。

应用篇结合线性代数的基础理论，讲解线性代数在计算机科学中的应用。有了之前的基础后，你再来看应用实践就会觉得简单很多。当内容涉及一些线性代数以外的其他数学领域时，课程也会给予一定说明。

1. 本专栏为订阅专栏，更新时间为2020年07月27日至2020年09月09日。