Математика для машинного обучения - часть 1 - Линейная алгебра

Перед тем как изучать, как работают модели машинного обучения, нужно понять язык, на котором они описаны. Этот язык — линейная алгебра. Данные в ML представляются в виде векторов и матриц, преобразования признаков — это линейные отображения, а обучение модели во многом сводится к работе с системами уравнений и оптимизации в векторных пространствах. Курс построен последовательно: от простых систем уравнений и матриц — к векторным пространствам, базисам и линейным отображениям. Каждая тема сопровождается примерами с пошаговыми вычислениями и задачами на проверку понимания. Это первая часть серии «Математика для машинного обучения». В следующих частях планируется разобрать математический анализ и теорию вероятностей.