Об этом курсе
Недавно просмотрено: 428,312

100% онлайн

Начните сейчас и учитесь по собственному графику.

Гибкие сроки

Назначьте сроки сдачи в соответствии со своим графиком.

Начальный уровень

Прибл. 22 часа на выполнение

Предполагаемая нагрузка: 5 weeks of study, 2-5 hours/week...

Английский

Субтитры: Английский

Приобретаемые навыки

Eigenvalues And EigenvectorsBasis (Linear Algebra)Transformation MatrixLinear Algebra

100% онлайн

Начните сейчас и учитесь по собственному графику.

Гибкие сроки

Назначьте сроки сдачи в соответствии со своим графиком.

Начальный уровень

Прибл. 22 часа на выполнение

Предполагаемая нагрузка: 5 weeks of study, 2-5 hours/week...

Английский

Субтитры: Английский

Программа курса: что вы изучите

Неделя
1
2 ч. на завершение

Introduction to Linear Algebra and to Mathematics for Machine Learning

5 видео ((всего 28 мин.)), 4 материалов для самостоятельного изучения, 3 тестов
5 видео
Operations with vectors11мин
Summary1мин
4 материала для самостоятельного изучения
About Imperial College & the team5мин
How to be successful in this course5мин
Grading policy5мин
Additional readings & helpful references10мин
3 практического упражнения
Exploring parameter space20мин
Solving some simultaneous equations15мин
Doing some vector operations14мин
Неделя
2
2 ч. на завершение

Vectors are objects that move around space

8 видео ((всего 44 мин.)), 4 тестов
8 видео
Projection6мин
Changing basis11мин
Basis, vector space, and linear independence4мин
Applications of changing basis3мин
Summary1мин
4 практического упражнения
Dot product of vectors15мин
Changing basis15мин
Linear dependency of a set of vectors15мин
Vector operations assessment15мин
Неделя
3
3 ч. на завершение

Matrices in Linear Algebra: Objects that operate on Vectors

8 видео ((всего 57 мин.)), 3 тестов
8 видео
Composition or combination of matrix transformations8мин
Solving the apples and bananas problem: Gaussian elimination8мин
Going from Gaussian elimination to finding the inverse matrix8мин
Determinants and inverses10мин
Summary59
2 практического упражнения
Using matrices to make transformations12мин
Solving linear equations using the inverse matrix16мин
Неделя
4
6 ч. на завершение

Matrices make linear mappings

6 видео ((всего 53 мин.)), 4 тестов
6 видео
Orthogonal matrices6мин
The Gram–Schmidt process6мин
Example: Reflecting in a plane14мин
2 практического упражнения
Non-square matrix multiplication20мин
Example: Using non-square matrices to do a projection12мин
4.7
Рецензии: 636Chevron Right

33%

начал новую карьеру, пройдя эти курсы

32%

получил значимые преимущества в карьере благодаря этому курсу

Лучшие отзывы о курсе Mathematics for Machine Learning: Linear Algebra

автор: PLAug 26th 2018

Great way to learn about applied Linear Algebra. Should be fairly easy if you have any background with linear algebra, but looks at concepts through the scope of geometric application, which is fresh.

автор: CSApr 1st 2018

Amazing course, great instructors. The amount of working linear algebra knowledge you get from this single course is substantial. It has already helped solidify my learning in other ML and AI courses.

Преподаватели

Avatar

David Dye

Professor of Metallurgy
Department of Materials
Avatar

Samuel J. Cooper

Lecturer
Dyson School of Design Engineering
Avatar

A. Freddie Page

Strategic Teaching Fellow
Dyson School of Design Engineering

О Имперский колледж Лондона

Imperial College London is a world top ten university with an international reputation for excellence in science, engineering, medicine and business. located in the heart of London. Imperial is a multidisciplinary space for education, research, translation and commercialisation, harnessing science and innovation to tackle global challenges. Imperial students benefit from a world-leading, inclusive educational experience, rooted in the College’s world-leading research. Our online courses are designed to promote interactivity, learning and the development of core skills, through the use of cutting-edge digital technology....

Специализация Математика в машинном обучении: общие сведения

For a lot of higher level courses in Machine Learning and Data Science, you find you need to freshen up on the basics in mathematics - stuff you may have studied before in school or university, but which was taught in another context, or not very intuitively, such that you struggle to relate it to how it’s used in Computer Science. This specialization aims to bridge that gap, getting you up to speed in the underlying mathematics, building an intuitive understanding, and relating it to Machine Learning and Data Science. In the first course on Linear Algebra we look at what linear algebra is and how it relates to data. Then we look through what vectors and matrices are and how to work with them. The second course, Multivariate Calculus, builds on this to look at how to optimize fitting functions to get good fits to data. It starts from introductory calculus and then uses the matrices and vectors from the first course to look at data fitting. The third course, Dimensionality Reduction with Principal Component Analysis, uses the mathematics from the first two courses to compress high-dimensional data. This course is of intermediate difficulty and will require basic Python and numpy knowledge. At the end of this specialization you will have gained the prerequisite mathematical knowledge to continue your journey and take more advanced courses in machine learning....
Математика в машинном обучении

Часто задаваемые вопросы

  • Зарегистрировавшись на сертификацию, вы получите доступ ко всем видео, тестам и заданиям по программированию (если они предусмотрены). Задания по взаимной оценке сокурсниками можно сдавать и проверять только после начала сессии. Если вы проходите курс без оплаты, некоторые задания могут быть недоступны.

  • Записавшись на курс, вы получите доступ ко всем курсам в специализации, а также возможность получить сертификат о его прохождении. После успешного прохождения курса на странице ваших достижений появится электронный сертификат. Оттуда его можно распечатать или прикрепить к профилю LinkedIn. Просто ознакомиться с содержанием курса можно бесплатно.

Остались вопросы? Посетите Центр поддержки учащихся.