MIT 18.062 数学在机器学习与数据科学中的应用
课程名称: Mathematics for Machine Learning and Data Science
官方入口: MIT Subject List
课程层级: 本科高年级 / 进阶基础课
先修要求: 线性代数、概率、基础编程
重要程度: ※※※※☆
课程定位
18.062 是 MIT 近年非常典型的一门“面向现代 ML 的数学课”。它不是再教一遍基础线代,而是把矩阵方法、优化直觉、统计与数据分析问题重新放回机器学习语境里 。
核心内容
- 线性代数在数据分析中的再组织
- PCA、SVD、低秩结构
- 最小二乘、正则化与优化直觉
- 统计建模与数据科学中的数学工具
- 面向现代 ML 的矩阵和几何视角
适合谁
- 已学过
18.06,想进一步把线代转到数据 / ML 语境 - 想补“数学 for ML”的中间层,而不是直接跳算法课