Об этом курсе
Недавно просмотрено: 75,005

100% онлайн

Начните сейчас и учитесь по собственному графику.

Гибкие сроки

Назначьте сроки сдачи в соответствии со своим графиком.

Промежуточный уровень

Прибл. 18 часа на выполнение

Предполагаемая нагрузка: 4 weeks of study, 4-5 hours/week...

Английский

Субтитры: Английский

Приобретаемые навыки

Python ProgrammingPrincipal Component Analysis (PCA)Projection MatrixMathematical Optimization

100% онлайн

Начните сейчас и учитесь по собственному графику.

Гибкие сроки

Назначьте сроки сдачи в соответствии со своим графиком.

Промежуточный уровень

Прибл. 18 часа на выполнение

Предполагаемая нагрузка: 4 weeks of study, 4-5 hours/week...

Английский

Субтитры: Английский

Программа курса: что вы изучите

Неделя
1
5 ч. на завершение

Statistics of Datasets

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 материала 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 практического упражнения
Mean of datasets15мин
Variance of 1D datasets15мин
Covariance matrix of a two-dimensional dataset15мин
Неделя
2
4 ч. на завершение

Inner Products

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 практического упражнения
Dot product10мин
Properties of inner products20мин
General inner products: lengths and distances20мин
Angles between vectors using a non-standard inner product20мин
Неделя
3
4 ч. на завершение

Orthogonal Projections

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 практического упражнения
Projection onto a 1-dimensional subspace25мин
Project 3D data onto a 2D subspace40мин
Неделя
4
5 ч. на завершение

Principal Component Analysis

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 материала для самостоятельного изучения
Vector spaces20мин
Orthogonal complements10мин
Multivariate chain rule10мин
Lagrange multipliers10мин
Did you like the course? Let us know!10мин
1 практическое упражнение
Chain rule practice20мин
4.0
Рецензии: 253Chevron Right

50%

начал новую карьеру, пройдя эти курсы

48%

получил значимые преимущества в карьере благодаря этому курсу

Лучшие отзывы о курсе Mathematics for Machine Learning: PCA

автор: JSJul 17th 2018

This is one hell of an inspiring course that demystified the difficult concepts and math behind PCA. Excellent instructors in imparting the these knowledge with easy-to-understand illustrations.

автор: JVMay 1st 2018

This course was definitely a bit more complex, not so much in assignments but in the core concepts handled, than the others in the specialisation. Overall, it was fun to do this course!

Преподаватели

Avatar

Marc Peter Deisenroth

Lecturer in Statistical Machine Learning
Department of Computing

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 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.