标签
TimeLord 是一个 Python 工具，用于为 CPython 的 PRNG 构建种子以生成指定的序列，展示了如何使用确定性生成器来设计不太可能发生的结果。
MIT教授Gilbert Strang发布新教材《线性代数与数据学习》，将线性代数与AI紧密结合，获得高度评价并被顶尖学府采用。
这条推文解释了核心人工智能操作如注意力和卷积是如何基于线性代数和概率等基础数学的，强调了理解这些操作而非模型名称的价值。
本文解释了如何逆向工程Factorio的伪随机数生成器，利用线性代数和PRNG算法的知识来预测游戏中的随机事件。
本文提出一种由LLM驱动的方法，结合LLaMA 3和性能数据库，用于在线性代数中生成动态算法调度启发式方法，并通过LU分解案例研究来优化计算性能。
Sheldon Axler 的《Linear Algebra Done Right》教材第四版现在以多种语言免费提供开放获取版本，包含新的练习和改进，印刷版本也同步推出。
Kirk Borne 分享了一本关于数据科学、机器学习和信号处理的线性代数教材的推荐，附有亚马逊链接以及学术界的赞誉。
本文改进了表示最大值函数所需ReLU网络深度的理论界限，展示了最多10个输入时精确的两隐藏层表示，并通过精确线性代数技术改进了更大n时的深度。
分享了来自加州大学戴维斯分校的 David Cherney、Tom Denton 和 Andrew Walton 编写的《线性代数》免费PDF，强调了该书对人工智能和数据科学的重要性。
本文追溯了截至1993年奇异值分解（SVD）的发展历程，梳理其起源与关键贡献。该论文是理解众多现代数据分析与机器学习技术数学基础的经典参考文献。
本文探讨了欧几里得空间中向量点积的分量定义与几何定义之间的等价性，提供了使用余弦定理的几何证明以及使用标准正交基的投影证明。
这篇博客文章从头开始解释了如何推导奇异值分解（SVD），重点强调了背后的直觉和概念动机，认为传统的数学书籍往往只呈现形式化的结论，而没有展示探索的过程。
Gilbert Strang通过YouTube播放列表和MIT OpenCourseWare网站呈现了线性代数教学的最新愿景。
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。
一条推文宣布密歇根大学的ROB 501（一套26讲的系列课程，涵盖机器人学的数学基础）已在YouTube上免费提供，且所有资料在GitHub上开源。
密歇根大学机器人学（University of Michigan Robotics）分享了来自其顶级机器人学项目的免费开源课程资源，包括讲座、教科书和项目，涵盖从计算线性代数到自主系统等主题。
密歇根大学已将其整个机器人学位课程免费发布在GitHub上，包括讲座视频、教科书和作业，从实用的机器人线性代数开始。
一条推文展示了一个CuTe DSL内核示例，该示例使用布局来表达转置，是FlashAttention-4内核的一部分。
一个精心整理的GitHub收藏集（Mathematics for Machine Learning），整理了书籍、论文、视频讲座和数学基础，用于学习和复习机器学习背后的数学知识，涵盖线性代数、微积分、概率论、统计学等。