iT邦幫忙

DAY 6
1

成為資料工程師最初的 28 堂課系列 第 6

資料工程師第 5/28 課: 線性代數

[修讀原因]

線性代數是很多人在大學時期修得覺得最莫名奇妙的一堂課, 因為修完後很難去想這堂課是在做甚麼, 但不得不否認的, 線性代數雖然在很多場合都派得上用場, 只是大家不知道, 但更多的機會是真的碰不到, 只是要成為一個 "資料工程師", 很不幸的是很重要的.

線性代數講的是向量, 也就是向量空間, 或稱線性空間, 這個向量指的是很多維度的數值所構成的集合, 這樣說有點模糊, 所謂的 "維度" 就是種 "因子", 這些數值就是其 "量", 而這個集合就是很多很多的 "因子" 與 "數值", 甚至可以說是所有資料庫的基礎.

但說到這個也不得不題 "代數學" 及 "抽像代數", 事實上所有的數學原理都是從這邊做起源的, 只是用這個來說線性代數很重要是過於言重了點.

線性代數就是用來解這些 "解空間" 相關的學習, 包括 "特徵值", "向量運算", "變換矩陣", "回歸" 等等的計算方式, 都是用來將大量的數字做解答 (化簡) 的技術, 所以說線性代數是資訊科系研究所的考試科目是一點也不為過.

[基本資訊]

  • 課程題目: 線性代數
  • 大學學程: 資訊類科系大二必修
  • 困難度: ***
  • 必要度: *****
  • 所須時間: ***
  • 建議書輯: Linear Algebra with Applications

[基本介紹]

在代數學中, 代數結構有下面的定義:

  1. 群 (Group): 一種滿足封閉性, 結合律, 單元素, 逆元素, 交換律的非空集合
  2. 環 (Ring): 對加法成群, 對乘法成半群, 對乘法滿足分配律
  3. 整域 (Inegral Domain):
  4. 除環 (Division Ring):
  5. 體 (Field):

寫了上面五種代數結構理論上是更混僥大家的學習, 但很有趣的這些定義與定律居然可以組出所有的數學式, 這就是數學有趣的地方, 這些大家有空去學.

事實上線性代數的綱要是:

  1. n維的空間向量:向量的長度、內積與直線之參數等。
  2. 矩陣的代數運算。
  3. 線性聯立方程式之解:高斯消去法等。
  4. 向量空間:線性組合、獨立與相依及矩陣之秩等。
  5. 線性映射:核空間、像集、線性轉換代表矩陣及基底變換等。
  6. 內積空間:內積、正交性。
  7. 行列式。
  8. 特徵向量與特徵值。
  9. 矩陣之對角化。
  10. 歐基理德內積空間。
  11. 矩陣喬登正則形式(Jordan Canonical Forms)。

上面這些, 在我的實務經驗或多或少都會碰到, 尤其是特徵值 (Eigenvealues) 與特徵相量 (Eigenvectors), 這些幾乎在判別分類, 計算 SPAM, 都是派得上用場的, 更不用說在統計的多變量, 線代可以說是基礎的基礎.

[修習方式]

開放課程:

電子書:

關鍵字:

  • 實變函數/複變函數
  • 稀梳矩陣
  • 疊迨計算
  • 泛函分析

上一篇
資料工程師第 4/28 課: 資料庫概論
下一篇
資料工程師第 6/28 課: (網路/網際網路/資訊)社會學概論
系列文
成為資料工程師最初的 28 堂課30

1 則留言

0
wilson1966
iT邦新手 1 級 ‧ 2 年前

幸好資管沒有學這個,哈哈

我要留言

立即登入留言