Über diesen Kurs

844,012 kürzliche Aufrufe

Karriereergebnisse der Lernenden

35%

nahm einen neuen Beruf nach Abschluss dieser Kurse auf

34%

ziehen Sie für Ihren Beruf greifbaren Nutzen aus diesem Kurs
Zertifikat zur Vorlage
Erhalten Sie nach Abschluss ein Zertifikat
100 % online
Beginnen Sie sofort und lernen Sie in Ihrem eigenen Tempo.
Flexible Fristen
Setzen Sie Fristen gemäß Ihrem Zeitplan zurück.
Stufe „Anfänger“
Ca. 19 Stunden zum Abschließen
Englisch
Untertitel: Englisch

Kompetenzen, die Sie erwerben

Eigenvalues And EigenvectorsBasis (Linear Algebra)Transformation MatrixLinear Algebra

Karriereergebnisse der Lernenden

35%

nahm einen neuen Beruf nach Abschluss dieser Kurse auf

34%

ziehen Sie für Ihren Beruf greifbaren Nutzen aus diesem Kurs
Zertifikat zur Vorlage
Erhalten Sie nach Abschluss ein Zertifikat
100 % online
Beginnen Sie sofort und lernen Sie in Ihrem eigenen Tempo.
Flexible Fristen
Setzen Sie Fristen gemäß Ihrem Zeitplan zurück.
Stufe „Anfänger“
Ca. 19 Stunden zum Abschließen
Englisch
Untertitel: Englisch

von

Placeholder

Imperial College London

Lehrplan - Was Sie in diesem Kurs lernen werden

InhaltsbewertungThumbs Up92%(31,022 Bewertungen)Info
Woche
1

Woche 1

2 Stunden zum Abschließen

Introduction to Linear Algebra and to Mathematics for Machine Learning

2 Stunden zum Abschließen
5 Videos (Gesamt 28 min), 4 Lektüren, 3 Quiz
5 Videos
Motivations for linear algebra3m
Getting a handle on vectors9m
Operations with vectors11m
Summary1m
4 Lektüren
About Imperial College & the team5m
How to be successful in this course5m
Grading policy5m
Additional readings & helpful references10m
3 praktische Übungen
Exploring parameter space20m
Solving some simultaneous equations15m
Doing some vector operations30m
Woche
2

Woche 2

2 Stunden zum Abschließen

Vectors are objects that move around space

2 Stunden zum Abschließen
8 Videos (Gesamt 44 min)
8 Videos
Modulus & inner product10m
Cosine & dot product5m
Projection6m
Changing basis11m
Basis, vector space, and linear independence4m
Applications of changing basis3m
Summary1m
4 praktische Übungen
Dot product of vectors15m
Changing basis15m
Linear dependency of a set of vectors15m
Vector operations assessment15m
Woche
3

Woche 3

3 Stunden zum Abschließen

Matrices in Linear Algebra: Objects that operate on Vectors

3 Stunden zum Abschließen
8 Videos (Gesamt 57 min)
8 Videos
How matrices transform space5m
Types of matrix transformation8m
Composition or combination of matrix transformations8m
Solving the apples and bananas problem: Gaussian elimination8m
Going from Gaussian elimination to finding the inverse matrix8m
Determinants and inverses10m
Summary59
2 praktische Übungen
Using matrices to make transformations30m
Solving linear equations using the inverse matrix30m
Woche
4

Woche 4

7 Stunden zum Abschließen

Matrices make linear mappings

7 Stunden zum Abschließen
6 Videos (Gesamt 53 min)
6 Videos
Matrices changing basis11m
Doing a transformation in a changed basis4m
Orthogonal matrices6m
The Gram–Schmidt process6m
Example: Reflecting in a plane14m
2 praktische Übungen
Non-square matrix multiplication20m
Example: Using non-square matrices to do a projection30m

Bewertungen

Top-Bewertungen von MATHEMATICS FOR MACHINE LEARNING: LINEAR ALGEBRA

Alle Bewertungen anzeigen

Über den Spezialisierung Mathematik für maschinelles Lernen

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....
Mathematik für maschinelles Lernen

Häufig gestellte Fragen

Haben Sie weitere Fragen? Besuchen Sie das Hilfe-Center für Teiln..