Algebra Linear para Machine Learning – 2.

Álgebra Linear  –  Conceitos.

A álgebra linear é um ramo da matemática, mas a verdade é que a álgebra linear é a matemática dos dados. Matrizes e vetores são o idioma dos dados. Álgebra linear são combinações aproximadamente lineares. Ou seja, usando aritmética em colunas de números chamados vetores e 2D arrays de números chamados matrizes, para criar novas colunas e matrizes de números.

Álgebra linear numérica.

A aplicação de álgebra linear em computadores é frequentemente chamada de álgebra linear numérica. É mais do que apenas a implementação de operações de álgebra linear em bibliotecas de códigos; também inclui o tratamento cuidadoso dos problemas da matemática aplicada, como trabalhar com a precisão limitada do ponto flutuante dos computadores digitais.

Aplicações da álgebra linear.

Como a álgebra linear é a matemática dos dados, as ferramentas da álgebra linear são usadas em muitos domínios.

Matrizes em engenharia –   como uma linha de molas.

Gráficos e redes –   como analisar redes.

Markov Matrices –  População e Economia, como crescimento populacional.

Programação linear  –  o método de otimização simplex.

Série Fourier –  Álgebra Linear para funções, amplamente utilizada no processamento de sinais.

Álgebra linear para estatística e probabilidade, como mínimos quadrados para regressão.

Computer Graphics –  como várias traduções, dimensionamento e rotação de imagens.

Publicado por djalmabina

WordPress and Google Maps developer,Blogger, Article Writer,Freelance Writer. Please look my recent Blogs: https://geatland.wordpress.com/

%d blogueiros gostam disto: