Aljabar Linier Terapan untuk Data Sains, Kecerdasan Buatan, dan Keuangan Komputasional

“Aljabar Linier Terapan untuk Data Sains, Kecerdasan Buatan, dan Keuangan Komputasional” adalah buku ajar komprehensif yang menghubungkan konsep-konsep fundamental aljabar linier dengan aplikasi nyata di tiga bidang yang sedang berkembang pesat: data sains, kecerdasan buatan, dan keuangan komputasional.

Disusun dalam sepuluh bab yang runtut, buku ini dimulai dari dasar-dasar vektor dan ruang vektor, dilanjutkan ke matriks dan operasinya, sistem persamaan linier, transformasi linier dan dekomposisi nilai eigen, hingga dekomposisi lanjut seperti QR, SVD, dan Cholesky. Bab-bab berikutnya memperluas cakupan ke logika dan struktur diskrit, teori graf, optimisasi untuk machine learning, hingga penerapan langsung pada teori portofolio Markowitz dan analisis data time series finansial.

Yang membedakan buku ini adalah pendekatannya yang selalu menautkan teori dengan praktik: setiap konsep matematis diikuti contoh numerik yang dikerjakan langkah demi langkah, serta studi kasus dari dunia data sains (K-Nearest Neighbors, PCA, word embedding), kecerdasan buatan (neural network, backpropagation, spectral clustering), dan keuangan komputasional (optimisasi portofolio, Value at Risk, prediksi harga saham). Implementasi Python dengan NumPy, Pandas, dan Scikit-Learn disertakan di sepanjang buku, memungkinkan pembaca langsung mempraktikkan setiap konsep yang dipelajari.

Buku ini dirancang untuk mahasiswa S1 program studi informatika, sains data, dan bidang kuantitatif lainnya, namun juga relevan bagi praktisi yang ingin memperkuat fondasi matematis mereka dalam machine learning dan analisis keuangan. Dilengkapi peta konsep di setiap awal bab, ratusan latihan soal, proyek capstone membangun mini quant lab, serta apendiks tinjauan NumPy dan glosarium istilah, buku ini menjadi jembatan yang jarang ditemukan antara aljabar linier klasik dan tuntutan praktis era data.