Linear Algebra and Optimization for Machine Learning

Denne læreboken gir en grundig innføring i lineær algebra og optimalisering innenfor maskinlæring. Boken inneholder en rekke eksempler og oppgaver for å illustrere de teoretiske konseptene. For undervisere er det også tilgjengelig en løsningsmanual for oppgavene i slutten av hvert kapittel. Læreboken er spesielt tilpasset på masternivå for studenter og professorer innen datavitenskap, matematikk og datavitenskap. Den kan også benyttes av avanserte bachelorstudenter. Innholdet i læreboken er strukturert som følger: 1. Lineær algebra og dens anvendelser: Kapitlene fokuserer på grunnleggende konsepter innen lineær algebra og deres vanlige applikasjoner, inkludert singularverdi-dekomponering, matrise-faktorisering, likhetsmatriser (kjernelmetoder) og grafanalyse. Diverse maskinlæringsapplikasjoner brukes som eksempler, inkludert spektralkluster, kjernemodell-basert klassifisering og avvikeroppdagelse. Den nært integrerte tilnærmingen mellom metoder fra lineær algebra og eksempler fra maskinlæring gjør denne boken unik sammenlignet med mer generiske lærestykker.