52
muokkausta
Ero sivun ”Matematiikan kurssit” versioiden välillä
→Perusopinnot
| Rivi 106: | Rivi 106: | ||
=== Soveltuvuus === | === Soveltuvuus === | ||
Lineaarialgebran perusteet kuuluvat tietojenkäsittelijän yleissivistykseen. Kurssi on erittäin hyödyllinen, mikäli ei ole ennen tutustunut aihepiiriin. Selkeimpiä sovelluskohteita ovat tietokonegrafiikka ja koneoppiminen. | Soveltuvuus erinomainen. Lineaarialgebran perusteet kuuluvat tietojenkäsittelijän yleissivistykseen. Kurssi on erittäin hyödyllinen, mikäli ei ole ennen tutustunut aihepiiriin. Selkeimpiä sovelluskohteita ovat tietokonegrafiikka ja koneoppiminen. | ||
| Rivi 116: | Rivi 116: | ||
=== Sisältö === | === Sisältö === | ||
Kurssi jatkaa siitä mihin aiemmassa osassa jäätiin. Keskeisiä käsitteitä ovat aliavaruudet, sisätulot, determinantit ja ominaisarvot. | Kurssi jatkaa siitä mihin aiemmassa osassa jäätiin. Keskeisiä käsitteitä ovat aliavaruudet, sisätulot, determinantit ja ominaisarvot (aikaisemmin), ks https://courses.helsinki.fi/fi/MAT21001/119967101 (2017-2018 ). | ||
=== Soveltuvuus === | === Soveltuvuus === | ||
Kurssi muodostaa kokonaisuuden edeltävän osan kanssa, joten sovelluskohteet ovat samat. | Soveltuvuus erinomainen. Kurssi muodostaa kokonaisuuden edeltävän osan kanssa, joten sovelluskohteet ovat samat. | ||
== Lineaarialgebra ja matriisilaskenta III == | |||
=== Esitietovaatimukset === | |||
MAT110 Matematiikan perusopinnot. | |||
MAT21001 Lineaarialgebra ja matriisilaskenta II | |||
=== Sisältö === | |||
Uusi kurssi lukuovuodella 2017-2018 joten tämän kirjoittajalla ei ole kurssista omakohtaista kokemusta. Kurssikuvauksen https://courses.helsinki.fi/fi/MAT22011/119967104 mukaan näyttää erinomaisen suositeltavana: sisältää vanhastasta Linis II:n ominaisarvot ja projektioita, uutena asiana näemmä positiivisesti definiitit + semidefiniitit matriisit, matriisihajotelmia, matriisiderivaattoja ym hauskaa. Kaikki edellä mainitut asiat ovat hyödyllistä hallita soveltavassa todennäköisyyslaskennassa, tilastotieteessä ja numeerisessa optimoinnissa (mihin niitä sitten tarvitaan? esimerkiksi tilastolliseen koneoppimiseen ja neuroverkkojen opettamiseen). | |||
=== Soveltuvuus === | |||
Soveltuvuus erinomainen, ks. yllä. | |||