Cantitate/Preț
Produs

No Bullshit Guide to Linear Algebra

Autor Ivan Savov
en Limba Engleză Paperback – 25 oct 2020

Relevanța acestui volum pentru studenții facultăților de profil tehnic este imediată, fiind conceput ca un suport esențial pentru examenele de algebră liniară și pentru înțelegerea fundamentelor necesare în știința datelor sau inginerie. Ne-a atras atenția abordarea pragmatică a lui Ivan Savov, care reușește să demistifice un subiect adesea predat abstract, transformându-l într-un instrument de lucru aplicat. Găsim în această carte o punte între rigoarea teoretică și execuția computațională, autorul introducând utilizarea sistemului SymPy pentru a automatiza calculele matriciale laborioase. Merită menționat că structura textului reflectă experiența pedagogică vastă a autorului, fiecare concept fiind însoțit de diagrame clare și exemple din lumea reală, de la economie la mecanică cuantică. Această a doua ediție păstrează tonul direct și concis, eliminând jargonul inutil fără a sacrifica precizia matematică. Cititorii familiarizați cu Practical Linear Algebra for Data Science de Mike X Cohen vor aprecia aici o fundamentare teoretică mai profundă, care nu se rezumă doar la algoritmi, ci explică și geometria transformărilor liniare. No Bullshit Guide to Linear Algebra se înscrie în linia metodologică stabilită de autor în lucrarea sa anterioară, No Bullshit Guide to Math and Physics, unde conceptele matematice nu sunt izolate, ci prezentate în simbioză cu aplicațiile lor fizice. Față de manualele universitare tradiționale, precum cel semnat de Hugo J. Woerdeman, volumul de față este optimizat pentru auto-studiu și înțelegere intuitivă rapidă, fiind un manual de referință pentru licență care pune accent pe „superputerile” matematice dobândite prin practică.

Citește tot Restrânge

Preț: 23380 lei

Puncte Express: 351

Carte disponibilă

Livrare economică 03-17 septembrie

Livrare prin curier în România Termenul estimat este afișat lângă disponibilitate.
Transport gratuit de la 40000 lei Plată online sau ramburs, în funcție de opțiunile comenzii.
Retur gratuit în 14 zile Comandă securizată și suport în română.

Specificații

ISBN-13: 9780992001025
ISBN-10: 0992001021
Pagini: 596
Dimensiuni: 140 x 216 x 32 mm
Greutate: 0.74 kg
Ediția:2. Auflage
Editura: Minireference Co.

De ce să citești această carte

Această carte se adresează studenților și profesioniștilor care au nevoie de o bază solidă în algebră liniară pentru domenii precum Machine Learning sau grafică 3D. Cititorul câștigă o înțelegere intuitivă a matricelor și vectorilor, învățând totodată să utilizeze SymPy pentru calcule complexe. Este resursa ideală pentru a recupera lacunele matematice într-un mod eficient și aplicat.


Descriere scurtă

Linear algebra is the foundation of science and engineering. Knowledge of linear algebra is a prerequisite for studying statistics, machine learning, computer graphics, signal processing, chemistry, economics, quantum mechanics, and countless other applications. Indeed, linear algebra offers a powerful toolbox for modelling the real world. The No Bullshit Guide to Linear Algebra shows the connections between the computational techniques of linear algebra, their geometric interpretations, and the theoretical foundations. This university-level textbook contains lessons on linear algebra written in a style that is precise and concise. Each concept is illustrated through definitions, formulas, diagrams, explanations, and examples of real-world applications. Readers build their math superpowers by solving practice problems and learning to use the computer algebra system SymPy to speed up tedious matrix arithmetic tasks. "The book explains the concepts in a way that gives a strong intuitive understanding." - Joe Nestor, student "It's very well written and a fun read!" - Felix Kwok, professor "I used this book in multiple big data courses when I needed a deeper understanding of the material." - Zane Zakraisek, student The author, Ivan Savov, combines 17 years of tutoring experience with a B.Eng. in electrical engineering, an M.Sc. in physics, and a Ph.D. in computer science from McGill University.