How to заботать мат. аппарат для ML? (Часть 1, Алгебра и аналитическая геометрия)

У многих уже подходит к концу сессия и пора начинать думать о том чем вы будете заниматься во время летнего отпуска (если конечно вы не нашли заветной вакансии стажера в каком-нибудь бигтехе). В этой серии постов опубликуем материалы для того чтобы заботать/освежить/восполнить харды. Один из основных элементов фундамента в ML (естественно, я не говорю про форму мл-макакинга, где персонаж просто пользуется готовыми моделями, не представляя, что из себя они представляют) это алгем. Выписал подборку наилучших курсов/книг по алгебре этого с головй хватит например для экзаменов в ШАД.

В принципе для базового уровня в ML алгебры не так много нужно, а метериалы ниже с голов покроют запросы. Выделил основные темы ангема и алгебры для ML: геометрия векторных пространств, расстояния и проекции, Уравнения прямых, плоскостей и гиперплоскостей, кривые и поверхности второго порядка, вектора и линейные пространства, матрицы и линейные операторы, СЛУ, линейные разложения (svd, lu, evd, qr и т п), нормы векторов и матриц.

Теория

1) Некоторые из вас, кто крутился в олимпиадном комьюнити знают Богданова Илью Игоревича. Он же ведёт очень подробный и продвинутый курс вузовского ангема и алгебра. Также есть затеханные лекции этих курсов (ангем и алгебра).

2) Параллельно этому курсу, если вдруг будут вещи, которые не ясны в полной мере, можете обращаться к материалам учебников Кострыкина или Винберга (Кострыкин будет более простым).

Практическая часть

1) В качестве семинарской части чтобы научиться решать задачи можете посмотреть записи семинаров Юденковой (часть 1 и часть 2). Так же можете еще и письменные материалы.

2) В качестве задачника советую Беклемишева, там перед каждой главой расписана хорошая теория с примерами решения задач.

А также присоединяйся к сообществу продуктовых аналитиков в нашем чатике!

@ProdAnalysis