- 课程概览
- 授课讲师
- 课程大纲
- 实验列表
- 课程概览
- 授课讲师
- 课程大纲
- 实验列表
面向人工智能人才培养的矩阵应用
随着大数据和人工智能高速发展，业界各种新的应用遍地开花，给人们的生活带来重大的改变。高校要培养合格的人工智能专业的毕业生，必须提高课程的含金量。线性代数作为人工智能必备的基础知识，地位变得更加重要。传统的线性代数教学一般是公共课程，教学主要围绕如何概念介绍和计算方法。本课程是一个新的教学思路尝试。
课程概览
传统的线性代数教学主要围绕如何线性代数数学概念介绍、相关定理、人工计算方法，对于线性代数核心理论如何在人工智能领域得到应用则很少涉及。本课程主要是从6个矩阵重要知识点的详细介绍，拓展到它们的应用。例如矩阵乘法及应用，如何利用矩阵特征值优化数据分析方法，矩阵理论如何与深度学习中的图像识别应用相关。通过动画的形式展示算法中数学原理，提高学生学习兴趣，做到学以致用，同时也希望可以对人工智能专业人才数学能力培养方法提供一些有益思考。
授课讲师
课程大纲
- 第1章矩阵乘法及应用
-
第1节 矩阵乘法定义
-
第2节 人工智能相关算法与矩阵乘法的联系
-
第3节 实例应用
- 第2章矩阵初等变换与智能计算
-
第1节 智能计算定义
-
第2节 矩阵初等变换
-
第3节 实例应用：大数据处理中的矩阵运算优化
- 第3章逆矩阵及其应用
-
第1节 逆矩阵性质
-
第2节 求逆矩阵
-
第3节 数据加密与逆矩阵
- 第4章矩阵变换
-
第1节 空间变换与矩阵
-
第2节 图像处理中的矩阵变换
-
第3节 实例应用
- 第5章特征值与特征向量及其应用
-
第1节 方阵特征值与特征向量
-
第2节 一般矩阵的特征值
-
第3节 特征值与数据降维
- 第6章向量组正交化
-
第1节 线性空间与标准正交向量组
-
第2节 向量组正交化
-
第3节 实例应用
实验列表
| 节数 | 上课时间 | 星期一 | 星期二 | 星期三 | 星期四 | 星期五 | 星期六 | 星期天 |
|---|---|---|---|---|---|---|---|---|
| 第1节 | 08:00 - 08:40 | |||||||
| 第2节 | 09:00 - 09:40 | |||||||
| 第3节 | 10:00 - 10:40 | |||||||
| 第4节 | 11:00 - 11:40 | |||||||
| 第5节 | 14:00 - 14:40 | |||||||
| 第6节 | 15:00 - 15:40 | |||||||
| 第7节 | 16:00 - 16:40 | |||||||
| 第8节 | 17:00 - 17:40 |
| 天数 | 上课日期 | 上课时间 | 内容 |
|---|
相关课件 更多
-
pptx
线性代数知识逻辑图
大小：148.41KB
2022-04-24
-
docx
网上资源链接
大小：14.1KB
2022-04-24
-
pdf
《面向人工智能人才培养的的矩阵应》教学大纲
大小：118.66KB
2022-04-24
020-38289118 转 171
971957201