Об этом курсе

Недавно просмотрено: 144,752

Карьерные результаты учащихся

47%

начал новую карьеру, пройдя эти курсы

44%

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.
Средний уровень
Прибл. 18 часов на выполнение
Английский

Чему вы научитесь

  • Implement mathematical concepts using real-world data

  • Derive PCA from a projection perspective

  • Understand how orthogonal projections work

  • Master PCA

Приобретаемые навыки

Dimensionality ReductionPython ProgrammingLinear Algebra

Карьерные результаты учащихся

47%

начал новую карьеру, пройдя эти курсы

44%

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.
Средний уровень
Прибл. 18 часов на выполнение
Английский

Преподаватели

от партнера

Placeholder

Имперский колледж Лондона

Программа курса: что вы изучите

Оценка контентаThumbs Up81%(5,358 оценки)Info
Неделя
1

Неделя 1

5 ч. на завершение

Statistics of Datasets

5 ч. на завершение
8 видео ((всего 27 мин.)), 6 материалов для самостоятельного изучения, 4 тестов
8 видео
Welcome to module 141
Mean of a dataset4мин
Variance of one-dimensional datasets4мин
Variance of higher-dimensional datasets5мин
Effect on the mean4мин
Effect on the (co)variance3мин
See you next module!27
6 материалов для самостоятельного изучения
About Imperial College & the team5мин
How to be successful in this course5мин
Grading policy5мин
Additional readings & helpful references5мин
Set up Jupyter notebook environment offline10мин
Symmetric, positive definite matrices10мин
3 практических упражнения
Mean of datasets15мин
Variance of 1D datasets15мин
Covariance matrix of a two-dimensional dataset20мин
Неделя
2

Неделя 2

5 ч. на завершение

Inner Products

5 ч. на завершение
8 видео ((всего 36 мин.)), 1 материал для самостоятельного изучения, 5 тестов
8 видео
Dot product4мин
Inner product: definition5мин
Inner product: length of vectors7мин
Inner product: distances between vectors3мин
Inner product: angles and orthogonality5мин
Inner products of functions and random variables (optional)7мин
Heading for the next module!35
1 материал для самостоятельного изучения
Basis vectors20мин
4 практических упражнения
Dot product30мин
Properties of inner products20мин
General inner products: lengths and distances30мин
Angles between vectors using a non-standard inner product30мин
Неделя
3

Неделя 3

4 ч. на завершение

Orthogonal Projections

4 ч. на завершение
6 видео ((всего 25 мин.)), 1 материал для самостоятельного изучения, 3 тестов
6 видео
Projection onto 1D subspaces7мин
Example: projection onto 1D subspaces3мин
Projections onto higher-dimensional subspaces8мин
Example: projection onto a 2D subspace3мин
This was module 3!32
1 материал для самостоятельного изучения
Full derivation of the projection20мин
2 практических упражнения
Projection onto a 1-dimensional subspace25мин
Project 3D data onto a 2D subspace
Неделя
4

Неделя 4

5 ч. на завершение

Principal Component Analysis

5 ч. на завершение
10 видео ((всего 52 мин.)), 5 материалов для самостоятельного изучения, 2 тестов
10 видео
Problem setting and PCA objective7мин
Finding the coordinates of the projected data5мин
Reformulation of the objective10мин
Finding the basis vectors that span the principal subspace7мин
Steps of PCA4мин
PCA in high dimensions5мин
Other interpretations of PCA (optional)7мин
Summary of this module42
This was the course on PCA56
5 материалов для самостоятельного изучения
Vector spaces20мин
Orthogonal complements20мин
Multivariate chain rule20мин
Lagrange multipliers20мин
Did you like the course? Let us know!10мин
1 практическое упражнение
Chain rule practice40мин

Рецензии

Лучшие отзывы о курсе MATHEMATICS FOR MACHINE LEARNING: PCA

Посмотреть все отзывы

Специализация Математика в машинном обучении: общие сведения

Математика в машинном обучении

Часто задаваемые вопросы

Остались вопросы? Посетите Центр поддержки учащихся.