| Förlag | Cambridge University Press |
| Språk | Engelska |
| Bandtyp | Inbunden |
| Utgiven | 2019-01-31 |
| ISBN | 9780692196380 |
| Kategori(er) |
Data & IT |
Linear algebra and the foundations of deep learning, together at last! From Professor Gilbert Strang, acclaimed author of Introduction to Linear Algebra, comes Linear Algebra and Learning from Data, the first textbook that teaches linear algebra together with deep learning and neural nets.
This readable yet rigorous textbook contains a complete course in the linear algebra and related mathematics that students need to know to get to grips with learning from data. Included are: the four fundamental subspaces, singular value decompositions, special matrices, large matrix computation techniques, compressed sensing, probability and statistics, optimization, the architecture of neural nets, stochastic gradient descent and backpropagation.
Hittills har vi återanvänt
2
5
0
5
7
4
0
böcker.
Sveriges grönaste och skönaste bokhandel med den billigaste kurslitteraturen.
Detta är vår ambition och vi tummar inte på något för att nå dit. Vi finns till för att hjälpa studenter att spara och tjäna pengar på sin kurslitteratur samtidigt som vi tillsammans gör miljön en tjänst. Företaget startade våren 2005 av två studenter och har sedan dess strävat mot att ständigt göra det enklare att köpa och sälja begagnad kurslitteratur för så många som möjligt.
Prenumerera för att ta del av våra bästa studenttips, erbjudanden och kampanjer.
Läs mer om hur vi hanterar persondata i vårt avsnitt om personuppgiftbehandling.
| Butik | Idag | Imorgon |
|---|---|---|
| Göteborg | 10:00 - 16:00 | 10:00 - 16:00 |
| Karlstad | 10:00 - 15:00 | 10:00 - 15:00 |
| Linköping | 10:00 - 15:00 | 10:00 - 15:00 |
| Lund | 10:00 - 16:00 | 10:00 - 15:00 |
| Malmö | 10:00 - 15:00 | 10:00 - 15:00 |
| Örebro | 10:00 - 16:00 | 10:00 - 16:00 |
| Stockholm | 10:00 - 16:00 | 10:00 - 15:00 |
| Umeå | 10:00 - 16:00 | 10:00 - 15:00 |
| Uppsala | 10:00 - 16:00 | 10:00 - 15:00 |
| Växjö | 10:00 - 15:00 | 10:00 - 14:00 |
