标签: #linear-algebra
关于 GPU、LLM、MLOps、Kubernetes 以及心态的文章 · 5 篇
机器人学所需的数学,按顺序学:以及哪些可以先放一放
这是「做机械臂到底要把数学学到什么程度」这个问题的答案。按线性代数、三角学与旋转表示、微积分与多变量方法、微分方程与控制理论、概率与估计、优化的顺序,整理成六条分支。每条分支都写清楚三件事:在机械臂的哪个环节被用到、学到什么程度算够用、以及哪些可以放到后面再学。之所以要明确写出「可以放后面」,正是因为那里是大多数人卡住不前的地方。文章用 numpy 直接确认雅可比矩阵的 SVD 在奇异点附近是如何崩溃的,并把六条分支收进一张学习顺序表里
2026-08-02 · 38 分钟阅读 #robotics#math#electronics#linear-algebra#controlAI/ML 数学完全指南：线性代数、微积分与概率统计
一份帮你彻底掌握理解 AI 与机器学习所需核心数学的指南。涵盖线性代数(向量、矩阵、特征值)、微积分(偏导数、链式法则)、概率统计(概率分布、最大似然估计、贝叶斯)，并配合直观讲解。
2026-03-17 · 34 分钟阅读 #mathematics#linear-algebra#calculus#probability#statistics线性代数完全攻略：从向量到 SVD 的零基础进阶指南
一份从头到尾覆盖线性代数全部核心概念的完整指南。涵盖向量、矩阵、行列式、向量空间、特征值直到 SVD，并配有 Python 代码示例。
2026-03-17 · 27 分钟阅读 #linear-algebra#math#engineering-math#vectors#matricesAI/ML 论文阅读必备数学 + LaTeX/KaTeX 全面整理
全面整理阅读 AI/ML 论文时必然会遇到的数学概念(线性代数、微积分、概率统计、最优化)与 LaTeX/KaTeX 公式语法,以实战示例为核心讲解。从符号速查表、公式模式解析,到 MDX 博客渲染技巧,一次讲清楚。
2026-03-08 · 24 分钟阅读 #ai-papers#math#latex#katex#linear-algebraAI 数学完全指南 — 从线性代数到信息论
用代码和直觉梳理 AI/深度学习所需的数学：线性代数(矩阵、特征值)、微积分(偏导数、反向传播)、概率/统计(贝叶斯、分布)、优化(梯度下降法)、信息论(熵、KL 散度)。
2026-03-02 · 17 分钟阅读 #ai#mathematics#linear-algebra#calculus#probability