Bỏ qua tới nội dung chính
Toán học

Sách cho chủ đề

Phương pháp ma trận trong phân tích dữ liệu

Giáo trình chính và sách tham khảo, kèm phần nên đọc. Ưu tiên sách có giấy phép mở hoặc đọc miễn phí; sách có phí chỉ dẫn tới nhà xuất bản. Xem sách của cả lĩnh vực

Giáo trình chính

Có phíTrung bìnhTiếng Anh432 trang

Vì sao chọn: Sách của chính MIT 18.065 do Gilbert Strang viết và giảng, có video bài giảng đầy đủ trên MIT OpenCourseWare. Chọn làm sách chính vì đi đúng mạch của lộ trình: phân rã ma trận → tính toán với ma trận lớn → tối ưu → học sâu; sách trả phí (trang của sách có mục lục, một số mục mẫu và lời giải chọn lọc).

Nên đọc: Part I Highlights of Linear Algebra; Part II Computations with Large Matrices; Part VI Optimization; Part VII Learning from Data (chọn lọc thêm Part III–V)

Numerical Linear Algebra

Lloyd N. Trefethen, David Bau III · 1997

Có phíNâng caoTiếng Anh361 trang

Giáo trình đại số tuyến tính số kinh điển (SIAM), mỗi bài giảng ngắn gọn một chủ đề; tài liệu chuẩn để hiểu vì sao QR, SVD ổn định và số điều kiện quan trọng. Sách trả phí.

Nên đọc: Part I Fundamentals; Part II QR Factorization and Least Squares; Part III Conditioning and Stability

Mathematics for Machine Learning

Marc Peter Deisenroth, A. Aldo Faisal, Cheng Soon Ong · 2020

Miễn phíTrung bìnhTiếng Anh371 trang

Sách đọc miễn phí trên trang của tác giả (Cambridge University Press), đã có trong thư viện OpenER. Trình bày cùng nội dung bằng ký hiệu quen thuộc của cộng đồng học máy, có notebook Jupyter cho hồi quy tuyến tính và PCA.

Nên đọc: Chương 4 Matrix Decompositions; Chương 7 Continuous Optimization; Chương 9 Linear Regression; Chương 10 Dimensionality Reduction with Principal Component Analysis