线性代数与数据学习

本书包含了大量关于线性代数在计算机科学及其他领域的应用的信息，对于大数据、人工智能领域的学习非常有帮助。

有许多正在做机器学习的工科同学，会有一些“数学崇拜”。如果去学一些“高级数学课”，比如数学分析、实变函数，甚至学泛函分析、偏微分方程等等，我觉得大多数人都会失望而归。因为这些课讲的是数学理论，并不会讲怎么应用，更何况有不少内容并不会真的用在机器学习中。 对于这些同学，这本书涉及到的数学正好是他们所需要的，对自己的工作和学习会有一定的帮助。

感谢Strang教授在数学领域的众多贡献以及他作为伟大教师的卓越记录，购书表示支持。

这本书采用了一种轻松的叙述风格，并且写得很好，内容质量很高。

机翻无疑，简直都不通顺

上过线性代数课程的人应该能够通读第一章的大部分内容，这一章总结了此类课程的材料。熟悉傅里叶变换的读者可能会理解4.1节介绍傅里叶变换的内容，以此类推。本书试图涵盖的主题（主成分分析、线性回归、卡尔曼滤波器、矩阵的低秩近似、压缩感知、梯度下降等）都很有趣，它们确实与数据分析中使用的线性代数机制相关。读者可以将这本书作为值得学习的内容建议列表，然后寻找更好的资源来实际学习这些内容。