你将获得什么？
- 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
课程介绍
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。
课程目录
开篇词 (1讲)
开篇词 | 从今天起，学会线性代数
基础篇 (11讲)
01 | 导读：如何在机器学习中运用线性代数工具？
02 | 基本概念：线性代数研究的到底是什么问题？
03 | 矩阵：为什么说矩阵是线性方程组的另一种表达？
04 | 解线性方程组：为什么用矩阵求解的效率这么高？
05 | 线性空间：如何通过向量的结构化空间在机器学习中做降维处理？
06 | 线性无关：如何理解向量在N维空间的几何意义？
07 | 基和秩：为什么说它表达了向量空间中“有用”的向量个数？
08 | 线性映射：如何从坐标系角度理解两个向量空间之间的函数？
09 | 仿射空间：如何在图形的平移操作中大显身手？
10 | 解析几何：为什么说它是向量从抽象到具象的表达？
基础通关 | 线性代数5道典型例题及解析
应用篇 (6讲)
11 | 如何运用线性代数方法解决图论问题？
12 | 如何通过矩阵转换让3D图形显示到二维屏幕上？
13 | 如何通过有限向量空间加持的希尔密码，提高密码被破译的难度？
14 | 如何在深度学习中运用数值代数的迭代法做训练？
15 | 如何从计算机的角度来理解线性代数？
强化通关 | 线性代数水平测试20题
结束语 (1讲)
结束语 | 和数学打交道这么多年，我的三点感悟
讲师介绍
朱维刚，日世集团数字化事业部总经理，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。