这是什么？
一套免费的 Jupyter 笔记本在线教科书，讲授计算线性代数，源自 2017 年旧金山大学分析学硕士项目开设的一门课程。
一套免费的 Jupyter 笔记本在线教科书，讲授计算线性代数，源自 2017 年旧金山大学分析学硕士项目开设的一门课程。这是一个代码库还是一门课程？它是一组 Jupyter 笔记本，外加一个配套的 YouTube 讲座播放列表，按自顶向下的教科书/课程形式组织，而不是可安装的软件。
它是一组 Jupyter 笔记本，外加一个配套的 YouTube 讲座播放列表，按自顶向下的教科书/课程形式组织，而不是可安装的软件。内容是如何组织的？我该从哪里开始？README 的目录按顺序链接了每个笔记本（通过 nbviewer 渲染），从“课程须知”一直到“实现 QR 分解”，与一个包含 8 个视频的讲座播放列表相对应；请从笔记本 0 开始，按顺序学习。
README 的目录按顺序链接了每个笔记本（通过 nbviewer 渲染），从“课程须知”一直到“实现 QR 分解”，与一个包含 8 个视频的讲座播放列表相对应；请从笔记本 0 开始，按顺序学习。运行这些笔记本需要哪些库？主要是 Scikit-Learn 和 Numpy，部分课程使用 Numba 提升速度，另外几课则用 PyTorch 作为支持 GPU 的 Numpy 替代品。
主要是 Scikit-Learn 和 Numpy，部分课程使用 Numba 提升速度，另外几课则用 PyTorch 作为支持 GPU 的 Numpy 替代品。开始之前我需要弄懂每一种方法吗？不需要——课程刻意在前期把一些矩阵分解当作“黑盒”来用，之后再解释底层细节，所以一开始不是什么都懂很正常。
不需要——课程刻意在前期把一些矩阵分解当作“黑盒”来用，之后再解释底层细节，所以一开始不是什么都懂很正常。这门课程适合谁？适合立志成为数据科学家的研究生，或任何熟悉 Python、想要一门实用且以应用为导向的线性代数课程的人。
适合立志成为数据科学家的研究生，或任何熟悉 Python、想要一门实用且以应用为导向的线性代数课程的人。为什么这门课程的教学顺序如此与众不同？它采用自顶向下的教学方式（类似 fast.ai 的深度学习课程），而不是典型的自底向上的数学路径——学生先在实际问题中应用这些分解，再逐步学习底层规则，从而保持学习动力并先看到整体图景。
它采用自顶向下的教学方式（类似 fast.ai 的深度学习课程），而不是典型的自底向上的数学路径——学生先在实际问题中应用这些分解，再逐步学习底层规则，从而保持学习动力并先看到整体图景。课程用哪些现实问题来讲解线性代数？用 NMF/SVD 对新闻组帖子做主题建模，用 Robust PCA 从监控视频中去除背景，CT 扫描中的压缩感知，用线性回归预测健康结果，以及对维基百科链接数据做 PageRank 风格的特征分解。
用 NMF/SVD 对新闻组帖子做主题建模，用 Robust PCA 从监控视频中去除背景，CT 扫描中的压缩感知，用线性回归预测健康结果，以及对维基百科链接数据做 PageRank 风格的特征分解。有配套的视频讲座吗？有，YouTube 上有完整的讲座视频播放列表，与这些笔记本配套。
有，YouTube 上有完整的讲座视频播放列表，与这些笔记本配套。What are similar projects?100-Days-Of-ML-Code, mlcourse.ai, machine-learning-zoomcamp, autumn-recruitment, Book4_Power-of-Matrix, ailearning, d2l-en, d2l-zh
100-Days-Of-ML-Code, mlcourse.ai, machine-learning-zoomcamp, autumn-recruitment, Book4_Power-of-Matrix, ailearning, d2l-en, d2l-zhWhich topics is it in?notebook, linear-algebra, scikit-learn, mathematics, numpy, curriculum, algorithms, course, jupyter notebook, academic-research, data-science, learning-resources
notebook, linear-algebra, scikit-learn, mathematics, numpy, curriculum, algorithms, course, jupyter notebook, academic-research, data-science, learning-resources