Pythonを活用した線形代数学 - NumPyとSciPyの活用

🌿 CASE 1 🌿  

🌿  CASE 2 🌿  

教授：すぐに明日までにこのデータを二次関数で近似してくる。
学生：はい、わかりました。データはいくつですか？
教授： 4万人。
学生: ??
教授：ああ、やる気にa+b*sinh(x)+c*Log(x)にも一度フィッティングしてみようか？すぐにしませんか？
学生：?????????

🌿  CASE 3 🌿  

今、大学を知らないので、Matlabを使うことができません…高すぎたりして…ハ..これからも少し解放すべきなのに何の方法がないだろうか..?

Q. 行列方程式をコンピュータに解くことができるのですが、本当ですか？

A. それでは。コンピュータで解放しない方がもう！

Q. すぐにサイズが大きい行列の固有値を求めなければならないのにどうですか？手で解くことはできません 😭😭

A. 心配しないでください。ほんの数行のPythonコードで入手できます。このコースはあなたに必要です。

Q. 私はプログラミングの経験がありません...しかし、線形代数学の問題をコンピュータに解いてみたいです！

A. よく訪ねてきました。簡単に従うことができます。

Q. Pythonが遅いと聞いたのですが…これを学んでみたら実用的ではないのではないでしょうか？

A.私たちが学ぶSciPyの関数は、Fortranで書かれた関数（何十年にもわたって開発された...!!）を呼び出して使用します。実用に問題がないほどの速度と精度を提供します。

Q. どこで聞く論… 普通に直接コードを織ると聞いたのに…？

A. 数年ではなく数十年間開発された線形代数学関連関数が存在します。その使い方だけ知っても生きていくのに(?)大きな助けになります。

チョ・ボムヒ知識共有者の数学講義

線形代数学の概論

Introduction to Linear Algebra

ベクトル微積分学シリーズ1
微分基礎

ベクトル微積分学シリーズ2

微分深化:最適化理論の基礎とベクトル関数

ベクトル微積分学シリーズ3

積分基礎

ベクトル微積分学シリーズ4

積分深化