線性代數與最佳化 機器學習視角 Linear Algebra and Optimization for Machine Learning: A Textbook

本書從機器學習視角，系統整理線性代數與最優化理論，直擊初學者「知識零散、課程脫節」的痛點。全書以「應用導向」貫穿始終，分兩大模組建構知識網：

1.線性代數及其應用：從矩陣運算本質出發，深入剖析奇異值分解（SVD）、核方法、圖譜理論等工具，透過人臉辨識、推薦系統等案例，展現線性代數在特徵提取、降維、異常檢測中的核心作用。

2.最優化理論及其應用：以最小平方法迴歸為支點，輻射梯度下降、牛頓法、約束優化等演算法，揭示支援向量機、Logistic迴歸的數學原理，並延伸至神經網路訓練中的計算圖優化技術。

作者獨創“概念即時應用”模式，每章配以“理解題”與“綜合習題”，確保讀者在真實問題中內化知識，實現從數學公式到算法代碼的無縫銜接