数据分析中最基本的数据组织形态——矩阵，常见到有学员根本不知道为何物，可能从来没学过，也可能学过忘光了。但不理解矩阵，就看不懂公式。看不懂公式，就根本不懂数据分析的语言，学习起来犹如哑巴吃黄连有苦难言（《黑客帝国》里把那部控制一切的机器称为Matrix——“矩阵”，这肯定不是无缘无故的）。至于像听Page-Rank，因子分析和主成分分析，推荐系统同现矩阵这些内容那就更像听天书。由此我们萌发了开一门矩阵计算的基础课程，给大家补一下数学的念头。
这是一门数学课程，适合有志于转往大数据分析领域的非数学专业人士（例如IT人，业务人员等）补强数学基础，以更好地学习更高级的数据分析，数据挖掘，机器学习课程。
第1课 面向小白的线性代数：矩阵基本知识，加减乘法，转置，行列式，秩，逆矩阵
第2课 计算机派上用场：常用矩阵计算工具，Excel，R，Matlab，怎样使用软件书写矩阵公式
第3课 了解直观背景是较好的学习方法：矩阵的代数意义，线性方程组，线性相关性
第4课 从初中生的二元一次到高精专的n元一次：线性方程组详解，克莱姆法则
第5课 任何东西只要画出图就解决了一大半：矩阵的几何意义，向量空间，基和维数，基变换
第6课 向高维空间进发：向量空间进阶，线性变换
第7课 抓住不变量是数学方法的本质所在：内积，正交矩阵，特征值和特征向量
第8课 给曲面分类：二次型，正定对称矩阵，二次型的对角化
第9课 从繁入简：矩阵分解，标准型
第10课 走向机器学习：SVD分解及其应用
第11课 回归分析的实质：广义逆矩阵及其应用
第12课 矩阵技术在机器学习中的应用
第13课 有100亿亿个元素的矩阵怎样存储：稀疏矩阵
第14课 挑战Google的核心秘密Pagerank计算：大型矩阵计算的并行化
客服微信
