Kirjahaku

Linear algebra and the foundations of deep learning, together at last! From Professor Gilbert Strang, acclaimed author of Introduction to Linear Algebra, comes Linear Algebra and Learning from Data, the first textbook that teaches linear algebra together with deep learning and neural nets. This readable yet rigorous textbook contains a complete course in the linear algebra and related mathematics that students need to know to get to grips with learning from data. Included are: the four fundamental subspaces, singular value decompositions, special matrices, large matrix computation techniques, compressed sensing, probability and statistics, optimization, the architecture of neural nets, stochastic gradient descent and backpropagation.

Differential equations and linear algebra are two central topics in the undergraduate mathematics curriculum. This innovative textbook allows the two subjects to be developed either separately or together, illuminating the connections between two fundamental topics, and giving increased flexibility to instructors. It can be used either as a semester-long course in differential equations, or as a one-year course in differential equations, linear algebra, and applications. Beginning with the basics of differential equations, it covers first and second order equations, graphical and numerical methods, and matrix equations. The book goes on to present the fundamentals of vector spaces, followed by eigenvalues and eigenvectors, positive definiteness, integral transform methods and applications to PDEs. The exposition illuminates the natural correspondence between solution methods for systems of equations in discrete and continuous settings. The topics draw on the physical sciences, engineering and economics, reflecting the author's distinguished career as an applied mathematician and expositor.

Diese Einführung in die lineare Algebra bietet einen sehr anschaulichen Zugang zum Thema. Die englische Originalausgabe wurde rasch zum Standardwerk in den Anfängerkursen des Massachusetts Institute of Technology sowie in vielen anderen nordamerikanischen Universitäten. Auch hierzulande ist dieses Buch als Grundstudiumsvorlesung für alle Studenten hervorragend lesbar. Darüber hinaus gibt es neue Impulse in der Mathematikausbildung und folgt dem Trend hin zu Anwendungen und Interdisziplinarität. Inhaltlich umfasst das Werk die Grundkenntnisse und die wichtigsten Anwendungen der linearen Algebra und eignet sich hervorragend für Studierende der Ingenieurwissenschaften, Naturwissenschaften, Mathematik und Informatik, die einen modernen Zugang zum Einsatz der linearen Algebra suchen. Ganz klar liegt hierbei der Schwerpunkt auf den Anwendungen, ohne dabei die mathematische Strenge zu vernachlässigen. Im Buch wird die jeweils zugrundeliegende Theorie mit zahlreichen Beispielen aus der Elektrotechnik, der Informatik, der Physik, Biologie und den Wirtschaftswissenschaften direkt verknüpft. Zahlreiche Aufgaben mit Lösungen runden das Werk ab.

Eine wesentliche Notwendigkeit für heutige Studenten und Leser besteht darin, von den herkömmlichen formelbasierten Kursen abzukommen und zu rechnergestützten Kursen überzugehen. Das Ziel dieses jetzt auch endlich in deutscher Version erhältlichen Buches ist es, sowohl angewandte Mathematik als auch Ingenieurmathematik so darzustellen, wie sie heutzutage tatsächlich Anwendung finden!Dieses Buch entstand aus dem Kurs zu wissenschaftlichem Rechnen, der seit 20 Jahren am Massachusetts Institute of Technology abgehalten wird. Das Buch versucht, Konzepte und Algorithmen für den Leser zusammenzuführen. Die Autoren beginnen mit der angewandten linearen Algebra, einem bei vielen Lesern zu kurz gekommenen Gebiet, welches aber ein wesentliches Werkzeug für das wissenschaftliche Rechnen und seine Anwendungen ist. Anschließend entwickeln sie die Methoden der finiten Differenzen und finiten Elemente, stets mit Hinblick auf die angewandte Mathematik, um dieses Gebiet mit Anwendungen in zahlreichen Wissensgebieten in Verbindung zu bringen.Studenten, Dozenten und Forscher werden dieses Buch gleichermaßen mit großem Gewinn lesen.