Über diesen Kurs

242,851 kürzliche Aufrufe

Karriereergebnisse der Lernenden

50%

nahm einen neuen Beruf nach Abschluss dieser Kurse auf

48%

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 „Mittel“
Ca. 19 Stunden zum Abschließen
Englisch
Untertitel: Englisch

Was Sie lernen werden

  • Implement mathematical concepts using real-world data

  • Derive PCA from a projection perspective

  • Understand how orthogonal projections work

  • Master PCA

Kompetenzen, die Sie erwerben

Dimensionality ReductionPython ProgrammingLinear Algebra

Karriereergebnisse der Lernenden

50%

nahm einen neuen Beruf nach Abschluss dieser Kurse auf

48%

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 „Mittel“
Ca. 19 Stunden zum Abschließen
Englisch
Untertitel: Englisch

von

Imperial College London-Logo

Imperial College London

Lehrplan - Was Sie in diesem Kurs lernen werden

InhaltsbewertungThumbs Up80%(3,964 Bewertungen)Info
Woche
1

Woche 1

5 Stunden zum Abschließen

Statistics of Datasets

5 Stunden zum Abschließen
8 Videos (Gesamt 27 min), 6 Lektüren, 4 Quiz
8 Videos
Welcome to module 141
Mean of a dataset4m
Variance of one-dimensional datasets4m
Variance of higher-dimensional datasets5m
Effect on the mean4m
Effect on the (co)variance3m
See you next module!27
6 Lektüren
About Imperial College & the team5m
How to be successful in this course5m
Grading policy5m
Additional readings & helpful references5m
Set up Jupyter notebook environment offline10m
Symmetric, positive definite matrices10m
3 praktische Übungen
Mean of datasets15m
Variance of 1D datasets15m
Covariance matrix of a two-dimensional dataset15m
Woche
2

Woche 2

4 Stunden zum Abschließen

Inner Products

4 Stunden zum Abschließen
8 Videos (Gesamt 36 min), 1 Lektüre, 5 Quiz
8 Videos
Dot product4m
Inner product: definition5m
Inner product: length of vectors7m
Inner product: distances between vectors3m
Inner product: angles and orthogonality5m
Inner products of functions and random variables (optional)7m
Heading for the next module!35
1 Lektüre
Basis vectors20m
4 praktische Übungen
Dot product10m
Properties of inner products20m
General inner products: lengths and distances20m
Angles between vectors using a non-standard inner product20m
Woche
3

Woche 3

4 Stunden zum Abschließen

Orthogonal Projections

4 Stunden zum Abschließen
6 Videos (Gesamt 25 min), 1 Lektüre, 3 Quiz
6 Videos
Projection onto 1D subspaces7m
Example: projection onto 1D subspaces3m
Projections onto higher-dimensional subspaces8m
Example: projection onto a 2D subspace3m
This was module 3!32
1 Lektüre
Full derivation of the projection20m
2 praktische Übungen
Projection onto a 1-dimensional subspace25m
Project 3D data onto a 2D subspace40m
Woche
4

Woche 4

5 Stunden zum Abschließen

Principal Component Analysis

5 Stunden zum Abschließen
10 Videos (Gesamt 52 min), 5 Lektüren, 2 Quiz
10 Videos
Problem setting and PCA objective7m
Finding the coordinates of the projected data5m
Reformulation of the objective10m
Finding the basis vectors that span the principal subspace7m
Steps of PCA4m
PCA in high dimensions5m
Other interpretations of PCA (optional)7m
Summary of this module42
This was the course on PCA56
5 Lektüren
Vector spaces20m
Orthogonal complements10m
Multivariate chain rule10m
Lagrange multipliers10m
Did you like the course? Let us know!10m
1 praktische Übung
Chain rule practice20m

Bewertungen

Top-Bewertungen von MATHEMATICS FOR MACHINE LEARNING: PCA

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

  • Access to lectures and assignments depends on your type of enrollment. If you take a course in audit mode, you will be able to see most course materials for free. To access graded assignments and to earn a Certificate, you will need to purchase the Certificate experience, during or after your audit. If you don't see the audit option:

    • The course may not offer an audit option. You can try a Free Trial instead, or apply for Financial Aid.
    • The course may offer 'Full Course, No Certificate' instead. This option lets you see all course materials, submit required assessments, and get a final grade. This also means that you will not be able to purchase a Certificate experience.
  • Wenn Sie sich für den Kurs anmelden, erhalten Sie Zugriff auf alle Kurse der Spezialisierung und Sie erhalten nach Abschluss aller Arbeiten ein Zertifikat. Ihr elektronisches Zertifikat wird zu Ihrer Seite „Errungenschaften“ hinzugefügt – von dort können Sie Ihr Zertifikat ausdrucken oder es zu Ihrem LinkedIn Profil hinzufügen. Wenn Sie nur lesen und den Inhalt des Kurses anzeigen möchten, können Sie kostenlos als Gast an dem Kurs teilnehmen.

  • Wenn Sie ein Abonnement abgeschlossen haben, erhalten Sie eine 7-tägige, kostenlose Testversion, die Sie gebührenfrei wieder kündigen können. Danach gewähren wir keine Rückerstattungen mehr, aber Sie können Ihr Abonnement jederzeit kündigen. Lesen Sie unsere vollständige Rückerstattungsrichtlinie.

  • Ja, Coursera bietet für Kursteilnehmer, die sich die Kursgebühr nicht leisten können, finanzielle Unterstützung an. Bewerben Sie sich dafür, indem Sie auf den Link für finanzielle Unterstützung links unter der Schaltfläche „Anmelden“ klicken. Sie werden zum Ausfüllen eines Antrags aufgefordert und werden bei Genehmigung benachrichtigt. Diesen Schritt müssen Sie für jeden Kurs der Spezialisierung ausführen, auch für das Abschlussprojekt. Mehr erfahren

  • You will need good python knowledge to get through the course.

  • This course is significantly harder and different in style: it uses more abstract concepts and requires much more programming experience than the other two courses. Therefore, when you complete the full specialization, you will be equipped with a much more diverse set of skills.

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