mirror of
https://github.com/PKUFlyingPig/cs-self-learning.git
synced 2026-06-25 02:46:57 +08:00
20 lines
No EOL
1.2 KiB
Markdown
20 lines
No EOL
1.2 KiB
Markdown
# MIT18.330 : Introduction to numerical analysis
|
||
## 课程简介
|
||
- 所属大学：MIT
|
||
- 先修要求：微积分，线性代数，概率论
|
||
- 编程语言：Julia
|
||
- 课程难度：🌟🌟🌟🌟🌟
|
||
- 预计学时：150小时
|
||
|
||
计算机强大的计算能力帮助人们在科学领域不断突破边界，不过计算机的离散本质和这个连续的世界有着天然鸿沟，而如何用离散的表示去估计和逼近那些数学上连续的概念，则是数值分析的重要主题。
|
||
|
||
这门课会在浮点表示、方程求解、线性代数、微积分、线性代数、微分方程等领域探讨各类数值分析方法，让你在Julia的编程实践中反复体悟（1）如何建立估计（2）如何估计误差（3）如何用算法实现估计 这一系列步骤。
|
||
|
||
这门课的设计者还编写了配套的开源教材（参见下方链接），里面有丰富的Julia实例。
|
||
## 课程资源
|
||
- [课程网站](https://github.com/mitmath/18330)
|
||
- [课程教材](https://fncbook.github.io/fnc/frontmatter.html)
|
||
- 课程作业：10个Julia编程作业
|
||
|
||
## 资源汇总
|
||
我在学习这门课中用到的所有资源和作业实现都汇总在[这个Github仓库](https://github.com/PKUFlyingPig/MIT18.330)中。 |