@DiracGhost:无论是计算机科学家还是数学家,都会忍不住去看看这本极好的计算导论……
摘要
推荐一份由De Sterck和Ullrich编写、加州大学戴维斯分校公开提供的计算数学(数值分析)免费课堂笔记,内容涵盖误差传播、求根、插值、积分、傅里叶方法和数值线性代数。
无论计算机科学家还是数学家,都会忍不住去查看这份由De Sterck和Ullrich编写、加州大学戴维斯分校公开提供的精彩计算数学(又称数值分析)入门资料。
有些人会这样描述数值分析:“开发通过计算解决数学问题的算法”。
当然,这些更像是课堂笔记而非正式教材,但这118页的入门读物涵盖了误差传播、求根、插值、积分、离散傅里叶方法以及一个关于数值线性代数的简短章节。
这份资料与《Scientific Computing: An Introductory Survey》配合使用效果很好。想要深入学习数值线性代数的读者可以参考Demmel的《Applied Numerical Linear Algebra》。
你需要自己去寻找这份资源,因为我通常不直接分享大学网站的链接(我相信他们有时不想应付流量,所以链接会不时被切断!)。
查看缓存全文
缓存时间: 2026/06/24 10:22
无论是计算机科学家还是数学家,都会对这本由加州大学戴维斯分校De Sterck和Ullrich公开的计算数学(即数值分析)入门指南爱不释手。
有人将数值分析描述为“开发算法以计算方式解决数学问题“。
当然,这更像课堂笔记而非正式教材,但这118页的入门读物涵盖了误差传播、求根、插值、积分、离散傅里叶方法,以及数值线性代数的简短章节。
本书与《科学计算:概论》相辅相成。若想深入学习数值线性代数,可参阅Demmel的《应用数值线性代数》。
需自行查找此资源,因为我通常不直接分享大学网站的链接(这些站点有时不愿应对流量冲击,因此会不定期切断链接)。
相似文章
@antoniolupetti: “Matrix Calculus for Machine Learning and Beyond” 是一套有趣的免费讲义,用于理解矩阵…
一套免费的麻省理工学院讲义,关于机器学习的矩阵微积分,结合了严谨的数学与可视化解释。
@antoniolupetti: "计算神经网络梯度"是对反向传播和梯度计算背后数学的清晰介绍…
斯坦福CS224N课程笔记清晰地介绍了神经网络中反向传播和梯度计算的数学原理,涵盖链式法则、计算图和向量化导数。
@BetterCallMedhi: 斯坦福大学免费公开其计算机视觉、机器人与图形学所需的完整数学方法课程已有多年……
斯坦福大学提供一门免费在线课程,涵盖计算机视觉、机器人与图形学所需的数学方法,配有完整PDF教材和视频讲座,让高质量教育触手可及。
@clcoding:数据科学与机器学习——数学与统计方法 • 节省100+小时的研究时间 完全免费!…
推广关于数据科学与机器学习的数学与统计方法的免费资源,并附有参与获取的说明。
@aiwithjainam: 来自麻省理工、斯坦福和伯克利的10本免费教科书,你可以合法下载。→ 线性代数导论…
一条推特线程分享了一份精选列表,包含来自麻省理工、斯坦福、伯克利和哈佛的10本免费且可合法下载的教科书,涵盖线性代数、机器学习、概率和数据科学等主题。