学习线性代数 – 万物理论！掌握线性代数的技术和理论。
Suggested by: Coursera (What is Coursera?)
No prior knowledge required
No unnecessary risks
该专业包括一系列的三门课程，这些课程将涵盖本科阶段线性代数的主要主题。简而言之，线性代数是数学的一个分支，它处理向量、矩阵、线以及它们形成的面积和空间。这些概念构成了几乎每个行业和学科的基础，这就是为什么线性代数被非正式地称为“万物的沉没”。
完成专业化后，学生将为数据科学、人工智能、机器学习、金融、数学、计算机科学或经济学方面的高级主题做好准备。
学习者将有机会在课程期间完成特殊项目。这些项目包括探索数学中的高级主题以及与之相关的应用。
这是线性代数三门特殊课程中的第一门，向学生介绍该领域的基本概念，这是数学最重要的领域之一，具有许多实际应用。基础学习材料为数学、工程和科学科目提供理论和应用。内容侧重于线性方程、矩阵方法、解析几何和线性转换。除了掌握这些技术外，学生还将接触到线性代数的更抽象概念。讲座、阅读、测验和项目帮助学生掌握课程内容并学习阅读、写作甚至修改数学证明。在课程结束时，学生将流利地使用线性代数的语言，通过对比示例和示例学习新的定义和相关性。学生还将学习使用技术对线性方程组进行排序和求解。本课程为学生在下一门专业课程中进一步学习线性转换做好准备。
本课程是线性代数专业的第二门课程。在本课程中，我们将继续发展技术和理论，以学习矩阵作为向量上的特殊线性变换（函数）。特别是，我们将开发以代数方式操作矩阵的技术。这将使我们能够更好地分析和求解线性方程组。此外，课程中介绍的定义和描述使我们能够识别可逆矩阵的属性，识别 R^n 中的相关子空间。接下来，我们将通过研究特征值和矩阵特征向量来关注矩阵变换的几何。这些数字对于数学、数据科学、机器学习、人工智能和动态系统中的纯概念和实践概念都很有用。我们将在课程结束时看到马尔可夫链和 Google PageRank 算法的应用。
这是线性代数专业的第三门也是最后一门课程，侧重于使用正交向量的理论和计算。这包括对正交转换、正交基数和正交转换的研究。Dead 课程以对称矩阵理论为高潮，将代数属性与其几何等价物联系起来。这些矩阵在应用程序中的出现频率高于任何其他类型的矩阵。本课程中教授的理论、技能和技巧在人工智能和机器学习领域有应用。在这些热门领域，解释、训练和使用外部数据的系统背后的驱动力正是本课程内容产生的矩阵分析。
成功完成该专业将为学生学习数据科学、人工智能和数学方面的高级课程做好准备。
