کتاب جبر خطی با گیلبرت استرنگ: درک شهودی و کاربردی برای دنیای مدرن با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

جبر خطی با گیلبرت استرنگ: درک شهودی و کاربردی برای دنیای مدرن جبر خطی با گیلبرت استرنگ: درک شهودی و کاربردی برای دنیای مدرن مقدمه دوره: سفری به قلب ریاضیات داده و هوش مصنوعی در دنیای پرشتاب امروز، جای...

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 87,488 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره جبر خطی با گیلبرت استرنگ: درک شهودی و کاربردی برای دنیای مدرن

موضوع کلی: پایه‌های ریاضی برای علوم داده و مهندسی

موضوع میانی: مبانی جبر خطی

📋 سرفصل‌های دوره

  • 1. فضای برداری: مقدمه و مثال‌ها
  • 2. زیرفضاها: تعریف و تشخیص
  • 3. ترکیب خطی و پوشش خطی
  • 4. استقلال خطی و پایه‌ها
  • 5. بعد یک فضا و ماتریس تغییر پایه
  • 6. چهار زیرفضای بنیادی یک ماتریس
  • 7. فضای سطری و فضای ستونی
  • 8. فضای پوچ (هسته) یک ماتریس
  • 9. رتبه یک ماتریس و قضیه رتبه
  • 10. دستگاه معادلات خطی: وجود و یکتایی جواب
  • 11. روش حذف گاوسی
  • 12. ماتریس‌های افزوده و معادل‌سازی سطری
  • 13. ماتریس‌های وارون‌پذیر و روش محاسبه وارون
  • 14. تجزیه LU و حل دستگاه معادلات خطی
  • 15. ماتریس‌های جایگشتی و تجزیه PA = LU
  • 16. فضای ضرب داخلی: تعریف و مثال‌ها
  • 17. نامساوی کوشی-شوارتز و زاویه بین بردارها
  • 18. تعامد و پایه‌های متعامد
  • 19. تصویر متعامد و قضیه تصویر
  • 20. فرآیند گرام-اشمیت
  • 21. تجزیه QR
  • 22. کمترین مربعات: کاربردها و حل معادلات نرمال
  • 23. دترمینان: تعریف و خواص
  • 24. محاسبه دترمینان به روش توسعه کافاکتور
  • 25. قانون کرامر
  • 26. حجم و دترمینان
  • 27. مقادیر ویژه و بردارهای ویژه: تعریف و محاسبات
  • 28. چندجمله‌ای مشخصه
  • 29. فضای ویژه
  • 30. قطری‌سازی ماتریس‌ها
  • 31. ماتریس‌های متقارن و قطری‌سازی متعامد
  • 32. تجزیه مقدار منفرد (SVD): مقدمه
  • 33. محاسبه مقادیر منفرد
  • 34. کاربردهای SVD در فشرده‌سازی تصویر
  • 35. کاربردهای SVD در بازیابی اطلاعات
  • 36. ماتریس‌های مثبت معین
  • 37. آزمون مثبت معین بودن
  • 38. کاربردهای ماتریس‌های مثبت معین
  • 39. فرم‌های درجه دوم
  • 40. نابرابری‌های مربوط به مقادیر ویژه
  • 41. روش‌های تکراری برای حل دستگاه معادلات خطی
  • 42. روش ژاکوبی
  • 43. روش گاوس-سیدل
  • 44. روش گرادیان کاهشی
  • 45. مقدمه‌ای بر جبر خطی عددی
  • 46. خطاها و پایداری عددی
  • 47. تخمین شرایط عددی
  • 48. ماتریس‌های اسپارس (تنک)
  • 49. روش‌های مستقیم برای ماتریس‌های اسپارس
  • 50. روش‌های تکراری برای ماتریس‌های اسپارس
  • 51. مقدمه‌ای بر بهینه‌سازی خطی
  • 52. برنامه‌ریزی خطی: فرم استاندارد
  • 53. روش سیمپلکس
  • 54. دوگانگی در برنامه‌ریزی خطی
  • 55. قضیه دوگانگی
  • 56. کاربرد برنامه‌ریزی خطی در مسائل واقعی
  • 57. مقدمه‌ای بر کنترل بهینه
  • 58. معادلات دیفرانسیل خطی
  • 59. فضای حالت و کنترل‌پذیری
  • 60. مشاهده‌پذیری
  • 61. بازخورد حالت
  • 62. مقدمه‌ای بر پردازش سیگنال
  • 63. تبدیل فوریه گسسته (DFT)
  • 64. تبدیل فوریه سریع (FFT)
  • 65. کاربردهای DFT و FFT
  • 66. مقدمه‌ای بر یادگیری ماشین
  • 67. رگرسیون خطی
  • 68. دسته‌بندی خطی
  • 69. ماشین‌های بردار پشتیبان (SVM)
  • 70. مقدمه‌ای بر شبکه‌های عصبی
  • 71. پرceptron
  • 72. شبکه‌های عصبی پیش‌خور
  • 73. پس‌انتشار خطا
  • 74. مقدمه‌ای بر تحلیل مولفه‌های اصلی (PCA)
  • 75. محاسبه مولفه‌های اصلی
  • 76. کاربردهای PCA در کاهش ابعاد
  • 77. کاربردهای PCA در تجسم داده
  • 78. مقدمه‌ای بر خوشه‌بندی
  • 79. خوشه‌بندی K-Means
  • 80. خوشه‌بندی سلسله مراتبی
  • 81. معیارهای ارزیابی خوشه‌بندی
  • 82. مقدمه‌ای بر گراف‌ها و شبکه‌ها
  • 83. ماتریس مجاورت
  • 84. مسیرها و دوره‌ها
  • 85. مرکزیت و نفوذ
  • 86. مقدمه‌ای بر زنجیره‌های مارکوف
  • 87. ماتریس انتقال احتمال
  • 88. توزیع‌های پایدار
  • 89. کاربردهای زنجیره‌های مارکوف
  • 90. مقدمه‌ای بر نظریه بازی
  • 91. ماتریس پاداش
  • 92. تعادل نش
  • 93. کاربردهای نظریه بازی
  • 94. مقدمه‌ای بر هندسه محاسباتی
  • 95. پوسته محدب
  • 96. مثلث‌بندی دلونی
  • 97. دیاگرام ورونوی
  • 98. کاربردهای هندسه محاسباتی
  • 99. مقدمه‌ای بر پردازش زبان طبیعی (NLP)
  • 100. مدل کیسه کلمات
تگ‌ها: Applied Linear Algebra Data Science engineering mathematics Gilbert Strang linear algebra Machine Learning Mathematical Foundations جبر خطی درک شهودی علوم داده گیلبرت استرنگ مبانی جبر خطی مهندسی هوش مصنوعی یادگیری ماشین

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.