Informações sobre o curso

40,484 visualizações recentes
Certificados compartilháveis
Tenha o certificado após a conclusão
100% on-line
Comece imediatamente e aprenda em seu próprio cronograma.
Prazos flexíveis
Redefinir os prazos de acordo com sua programação.
Nível intermediário

Some background in Python programming language and algebra.

Aprox. 14 horas para completar
Inglês
Legendas: Inglês
Certificados compartilháveis
Tenha o certificado após a conclusão
100% on-line
Comece imediatamente e aprenda em seu próprio cronograma.
Prazos flexíveis
Redefinir os prazos de acordo com sua programação.
Nível intermediário

Some background in Python programming language and algebra.

Aprox. 14 horas para completar
Inglês
Legendas: Inglês

oferecido por

Logotipo de National Research University Higher School of Economics

National Research University Higher School of Economics

Comece a trabalhar rumo ao seu mestrado

Este curso é parte da graduação 100% on-line Master of Data Science da National Research University Higher School of Economics. Caso seja aceito para o programa completo, seus cursos contarão para sua graduação.

Programa - O que você aprenderá com este curso

Semana
1

Semana 1

5 horas para concluir

Systems of linear equations and linear classifier

5 horas para concluir
15 vídeos (Total 118 mín.), 2 leituras, 2 testes
15 videos
Introduction to Linear Algebra42s
Linear Algebra and Calculus4min
Matrices and Multidimensional Vectors10min
Matrix arithmetics6min
Properties of matrix operations and some special matrices10min
Vectors and matrices in Python4min
Systems of linear equations11min
Matrix inverse13min
Gaussian elimination. The first example4min
Elementary row operations6min
Gaussian elimination. Main theorem.5min
Gaussian Elimination. The algorithm.13min
The Inverse matrix with Gaussian elimination5min
LU and PLU decomposition17min
2 leituras
About the University10min
Covered Python methods20min
1 exercício prático
Week 11h
Semana
2

Semana 2

2 horas para concluir

Full rank decomposition and systems of linear equations

2 horas para concluir
14 vídeos (Total 86 mín.)
14 videos
Abstract algebra and linear algebra11min
Axioms of vector spaces: first application6min
Examples of vector spaces8min
Subspaces1min
Linear combinations and spans2min
Basis and linear dependence7min
Dimension of a vector space5min
Examples of bases7min
Linear dependence and rank3min
Formula for the solution of a SLAE9min
An example of vector representation of the set of solutions7min
Rouché–Capelli Theorem4min
Full rank decomposition8min
1 exercício prático
Week 230min
Semana
3

Semana 3

2 horas para concluir

Euclidean spaces

2 horas para concluir
10 vídeos (Total 85 mín.)
10 videos
Coordinates change example9min
Euclidean space8min
Geometry and Euclidean spaces1min
Orthogonal and orthonormal bases4min
Distance and orthogonal projections6min
Inconsistent systems and the least squares method12min
Linear regression example8min
Introduction to support vector machine16min
Linear regression and SVM with Python4min
1 exercício prático
Week 330min
Semana
4

Semana 4

4 horas para concluir

Final Project

4 horas para concluir
1 vídeo (Total 2 mín.), 1 leitura, 2 testes
1 leituras
References and further reading10min
1 exercício prático
Life expectancy prediction quiz1h

Avaliações

Principais avaliações do FIRST STEPS IN LINEAR ALGEBRA FOR MACHINE LEARNING

Visualizar todas as avaliações

Sobre Programa de cursos integrados Mathematics for Data Science

Behind numerous standard models and constructions in Data Science there is mathematics that makes things work. It is important to understand it to be successful in Data Science. In this specialisation we will cover wide range of mathematical tools and see how they arise in Data Science. We will cover such crucial fields as Discrete Mathematics, Calculus, Linear Algebra and Probability. To make your experience more practical we accompany mathematics with examples and problems arising in Data Science and show how to solve them in Python....
Mathematics for Data Science

Perguntas Frequentes – FAQ

  • O acesso a palestras e tarefas depende do tipo de inscrição. Se você participar de um curso como ouvinte, você poderá ver quase todo o conteúdo do curso gratuitamente. Para acessar tarefas valendo nota e obter um Certificado, você precisará adquirir a experiência do Certificado, durante ou após a participação como ouvinte. Se você não vir a opção de participar como ouvinte:

    • o curso pode não oferecer essa opção. Você pode experimentar um teste gratuito ou solicitar o auxílio financeiro.
    • Em vez disso, o curso pode oferecer 'Curso completo, sem Certificado'. Com esta opção, é possível ver todo o conteúdo do curso, enviar as avaliações necessárias e obter uma nota final. Isso também significa que você não poderá comprar uma experiência de Certificado.
  • Quando você se inscreve no curso, tem acesso a todos os cursos na Especialização e pode obter um certificado quando concluir o trabalho. Seu Certificado eletrônico será adicionado à sua página de Participações e você poderá imprimi-lo ou adicioná-lo ao seu perfil no LinkedIn. Se quiser apenas ler e assistir o conteúdo do curso, você poderá frequentá-lo como ouvinte sem custo.

  • Se você se inscrever, terá 7 dias para testar sem custo e, durante este período, pode cancelar sem multa. Depois disso, não reembolsamos, mas você pode cancelar sua inscrição a qualquer momento. Veja nossa política para o reembolso total.

  • Sim, a Coursera oferece auxílio financeiro ao aluno que não possa pagar a taxa. Faça a solicitação clicando no link Auxílio Financeiro, abaixo do botão "Inscreva-se" à esquerda. Preencha uma solicitação e será notificado caso seja aprovado. Você terá que completar esta etapa para cada curso na Especialização, incluindo o Trabalho de Conclusão de Curso. Saiba mais .

Mais dúvidas? Visite o Central de Ajuda ao Aprendiz.