Об этом курсе

Недавно просмотрено: 844,012

Карьерные результаты учащихся

35%

начал новую карьеру, пройдя эти курсы

34%

получил значимые преимущества в карьере благодаря этому курсу
Сертификат, ссылками на который можно делиться с другими людьми
Получите сертификат по завершении
100% онлайн
Начните сейчас и учитесь по собственному графику.
Гибкие сроки
Назначьте сроки сдачи в соответствии со своим графиком.
Начальный уровень
Прибл. 19 часов на выполнение
Английский
Субтитры: Английский

Приобретаемые навыки

Eigenvalues And EigenvectorsBasis (Linear Algebra)Transformation MatrixLinear Algebra

Карьерные результаты учащихся

35%

начал новую карьеру, пройдя эти курсы

34%

получил значимые преимущества в карьере благодаря этому курсу
Сертификат, ссылками на который можно делиться с другими людьми
Получите сертификат по завершении
100% онлайн
Начните сейчас и учитесь по собственному графику.
Гибкие сроки
Назначьте сроки сдачи в соответствии со своим графиком.
Начальный уровень
Прибл. 19 часов на выполнение
Английский
Субтитры: Английский

от партнера

Placeholder

Имперский колледж Лондона

Программа курса: что вы изучите

Оценка контентаThumbs Up92%(31,068 оценки)Info
Неделя
1

Неделя 1

2 ч. на завершение

Introduction to Linear Algebra and to Mathematics for Machine Learning

2 ч. на завершение
5 видео ((всего 28 мин.)), 4 материалов для самостоятельного изучения, 3 тестов
5 видео
Motivations for linear algebra3мин
Getting a handle on vectors9мин
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 практических упражнения
Exploring parameter space20мин
Solving some simultaneous equations15мин
Doing some vector operations30мин
Неделя
2

Неделя 2

2 ч. на завершение

Vectors are objects that move around space

2 ч. на завершение
8 видео ((всего 44 мин.))
8 видео
Modulus & inner product10мин
Cosine & dot product5мин
Projection6мин
Changing basis11мин
Basis, vector space, and linear independence4мин
Applications of changing basis3мин
Summary1мин
4 практических упражнения
Dot product of vectors15мин
Changing basis15мин
Linear dependency of a set of vectors15мин
Vector operations assessment15мин
Неделя
3

Неделя 3

3 ч. на завершение

Matrices in Linear Algebra: Objects that operate on Vectors

3 ч. на завершение
8 видео ((всего 57 мин.))
8 видео
How matrices transform space5мин
Types of matrix transformation8мин
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 практических упражнения
Using matrices to make transformations30мин
Solving linear equations using the inverse matrix30мин
Неделя
4

Неделя 4

7 ч. на завершение

Matrices make linear mappings

7 ч. на завершение
6 видео ((всего 53 мин.))
6 видео
Matrices changing basis11мин
Doing a transformation in a changed basis4мин
Orthogonal matrices6мин
The Gram–Schmidt process6мин
Example: Reflecting in a plane14мин
2 практических упражнения
Non-square matrix multiplication20мин
Example: Using non-square matrices to do a projection30мин

Рецензии

Лучшие отзывы о курсе MATHEMATICS FOR MACHINE LEARNING: LINEAR ALGEBRA

Посмотреть все отзывы

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 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

Остались вопросы? Посетите Центр поддержки учащихся.