Description
线性代数部分包括正交性，线性独立性，矩阵代数和特征值，其应用包括最小二乘法，线性回归和马尔可夫链（与总体动力学，分子化学和PageRank相关）；电子文本的最后一章介绍了奇异值分解（在图像压缩，主题建模和许多领域中的数据密集型工作中必不可少的功能）。多变量演算部分包括通过梯度和Hessian（用于能量最小化）的无约束优化，约束优化（通过对经济至关重要的拉格朗日乘数），梯度下降和多变量链规则（这是许多机器学习算法（例如反向传播）的基础）以及牛顿方法（GPS和机器人技术的组成部分）。
Readings
- stanford math51book.pdf