
数学
文章平均质量分 81
tekin
20年以上经验的资深全栈软件开发工程师。自我驱动力强,热爱钻研新技术,解决疑难问题。能快速吃透行业业务,转化为技术方案并落地。常研读英文资料与开源项目,对算法、数据结构理解深刻。
工作中,逻辑思维清晰,能独立解决难题,精准评估项目风险与时间,高效协调团队完成产品上线。对技术趋势感知敏锐,为公司技术发展建言献策。抗压、协作与管理能力出色。
技术上,后端精通 Go、Java、PHP、Python,熟练使用 MySQL;前端熟练掌握 JS、VUE 等语言和第三方框架,在系统运维、安全及大数据领域也有一定知识储备。
展开
-
向量数学:从数据拟合到机器学习的关键桥梁
本文围绕向量在解决线性代数问题,尤其是数据拟合和机器学习中的关键作用展开。以人口高度分布拟合为例,引入带有参数的函数,阐述如何通过调整参数寻找最佳拟合,进而引出向量在参数空间中的运用。同时,结合汽车、合金、时空等多领域实例,强调向量应用的广泛性,揭示理解向量数学对机器学习和数据科学的重要意义。文章开篇点明线性代数课程中掌握向量概念对解决线性关系问题的重要性,以人口高度分布拟合问题为切入点,介绍用含参数和的正态分布函数拟合数据的方法,以及如何通过计算测量值与估计值差异平方和来衡量拟合好坏。原创 2025-03-07 10:40:44 · 248 阅读 · 0 评论 -
线性代数的奇妙应用:从价格发现到数据拟合
线性代数在我们的生活和学习中有着广泛且重要的应用。本文通过两个有趣的实际问题 —— 价格发现和数据拟合,带你走进线性代数的奇妙世界,了解它如何解决实际难题,同时还会对相关知识点进行扩展,让你对线性代数有更深入的认识。线性代数在价格发现和数据拟合等实际问题中有着重要的应用。通过将实际问题转化为线性代数中的矩阵和向量问题,我们可以利用相关的知识和算法来求解。同时,在数据拟合中,选择合适的方程和确定最优参数对于准确描述数据分布至关重要。原创 2025-03-07 10:20:33 · 323 阅读 · 0 评论 -
机器学习数学:打破数学恐惧,开启学习新征程
本文介绍了一门机器学习数学课程,课程旨在帮助学习者克服对机器学习中数学知识的恐惧,通过学习线性代数基础,理解向量和变换,结合 Python 实践,并以 PageRank 算法为例深化理解。同时,借助图像识别、语音助手、神经网络优化和客户数据分析等实际案例,展现了数学知识在机器学习中的广泛应用。课程还规划了后续多变量微积分和主成分分析的学习内容,助力学习者系统掌握机器学习所需数学知识。原创 2025-03-07 10:05:22 · 494 阅读 · 0 评论