Skip to content

Booksellers & Trade Customers: Sign up for online bulk buying at trade.atlanticbooks.com for wholesale discounts

Booksellers: Create Account on our B2B Portal for wholesale discounts

Algebra Lineare per Data Science e Machine Learning

by Federico Caboni
Save 13% Save 13%
Current price ₹1,684.00
Original price ₹1,939.00
Original price ₹1,939.00
Original price ₹1,939.00
(-13%)
₹1,684.00
Current price ₹1,684.00

Imported Edition - Ships in 18-21 Days

Free Shipping in India on orders above Rs. 500

Request Bulk Quantity Quote
+91
Book cover type: Paperback
  • ISBN13: 9798183645354
  • Binding: Paperback
  • Subject: N/A
  • Publisher: Independently Published
  • Publisher Imprint: Independently Published
  • Publication Date:
  • Pages: 168
  • Original Price: GBP 14.91
  • Language: Italian
  • Edition: N/A
  • Item Weight: 232 grams
  • BISAC Subject(s): General

L'algebra lineare � una materia fondamentale che costituisce il linguaggio formale della scienza dei dati e della modellizzazione statistica contemporanea. In un panorama tecnologico dominato dall'elaborazione di dataset multidimensionali, la comprensione profonda delle strutture algebriche non � pi� un mero requisito teorico, ma una necessit� metodologica per garantire la robustezza e l'efficacia degli algoritmi di apprendimento automatico.

Questo volume offre una trattazione sistematica e rigorosa dei principi dell'algebra lineare, strutturata per rispondere alle esigenze computazionali della Data Science e del Machine Learning. Il percorso didattico si snoda attraverso una progressione logica che parte dall'aritmetica delle matrici e dei tensori per giungere alle tecniche avanzate di decomposizione spettrale e calcolo tensoriale.

I nostri nuclei tematici:

  • Fondamenti e Strutture: Spazi vettoriali, indipendenza lineare, basi e trasformazioni matriciali intese come operatori di informazione.

  • Analisi Spettrale e Riduzione della Dimensionalit� Una disamina approfondita di autovalori, autovettori e della Singular Value Decomposition (SVD) come strumenti cardine per l'estrazione di feature e la compressione dei dati.

  • Ottimizzazione e Minimi Quadrati: L'applicazione delle proiezioni ortogonali e del calcolo matriciale alla risoluzione di problemi di regressione e alla minimizzazione delle funzioni di costo.

  • Algebra Lineare Applicata: L'integrazione strutturale del calcolo matriciale nelle reti neurali profonde e l'analisi della stabilit� numerica per l'implementazione di sistemi su larga scala.

Trusted for over 49 years

Family Owned Company

Secure Payment

All Major Credit Cards/Debit Cards/UPI & More Accepted

New & Authentic Products

India's Largest Distributor

Need Support?

Whatsapp Us