2019

二月

• 模式：池坊左右型
• 模式：池坊贡花体
• 模式：一枝独秀
• 模式：多株排列
• 模式：放射型
• 模式：枯枝的舞蹈
• 模式：环抱型
• 小原流图示
• 未生流图示
• 池坊立花正体图示
• 草月流图例
• 日本花道源流（文摘）
• MIT 线性代数第31讲：变更基与图像压缩
• MIT 线性代数第33讲：左逆矩阵、右逆矩阵及伪逆矩阵
• MIT 线性代数第34讲：最后一课 复习
• MIT 线性代数第30讲：线性变换和变换矩阵

一月

• MIT 线性代数第28讲：相似矩阵与乔丹型
• MIT 线性代数第29讲：奇异值分解
• MIT 线性代数第26讲：复数矩阵；快速傅里叶变换
• MIT 线性代数第27讲：正定矩阵和最小值
• MIT 线性代数第24讲：马尔科夫矩阵；傅里叶序列
• MIT 线性代数第25讲：对称矩阵
• MIT 线性代数第23讲：微分方程和乘方$e^{At}$
• MIT 线性代数第22讲：对角化和A的乘方
• MIT 线性代数第17讲：正交矩阵和Gram-Schmidt:格拉姆-施密特正交化
• MIT 线性代数第18讲：行列式的属性
• MIT 线性代数第19讲：行列式公式和余子式(cofactors)
• MIT 线性代数第20讲：克莱姆Cramer法则、逆矩阵，体积
• MIT 线性代数第21讲：特征值与特征向量
• MIT 线性代数第14讲：正交向量和子空间
• MIT 线性代数第15讲：向子空间的投影
• MIT 线性代数第16讲：投影矩阵和最小二乘
• 理解矩阵
• 线性代数讲座 10: 四个基础的子空间
• 线性代数讲座 11: 矩阵空间
• 转载:《理解矩阵》-孟岩
• 机器学习-Python 02：线性回归与方差计算
• 理解最小二乘法
• 线性代数讲座 9: 线性独立，空间基、线性空间生成
• How to learn Tensorflow
• Python与go语言语法对比
• 机器学习-Go 01：网上资源
• 机器学习-Python 01：安装与数据
• Linear Algebra Lecture 7: Solving Ax = 0: pivot variables, special solutions
• Linear Algebra Lecture 8: Solving Ax = b: row reduced form R
• 向量运算与理解
• 向量运算与理解-叉积
• Linear Algebra Lecture 3: Multiplication and inverse matrices
• Linear Algebra Lecture 4: Factorization into A = LU
• Linear Algebra Lecture 5: Transposes, permutations, spaces $R^n$
• Linear Algebra Lecture 6: Vectors spaces and subspaces
• MathJax基础教程和快速索引
• Linear Albegra Lecture 1 - Geometry of Linear Equations
• Linear Albegra Lecture 2 - Elimination with matrices
• Machine Learning in Three Months
• 重读《意识的宇宙》
• 大道至简的“贝叶斯定理”
• 独立事件
• 直线法线式方程的几何证明
• 计算π的“土办法”