Informações sobre o curso

844,012 visualizações recentes

Resultados de carreira do aprendiz

35%

comecei uma nova carreira após concluir estes cursos

34%

consegui um benefício significativo de carreira com este curso
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 iniciante
Aprox. 19 horas para completar
Inglês
Legendas: Inglês

Habilidades que você terá

Eigenvalues And EigenvectorsBasis (Linear Algebra)Transformation MatrixLinear Algebra

Resultados de carreira do aprendiz

35%

comecei uma nova carreira após concluir estes cursos

34%

consegui um benefício significativo de carreira com este curso
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 iniciante
Aprox. 19 horas para completar
Inglês
Legendas: Inglês

oferecido por

Placeholder

Imperial College London

Programa - O que você aprenderá com este curso

Classificação do conteúdoThumbs Up92%(31,068 classificações)Info
Semana
1

Semana 1

2 horas para concluir

Introduction to Linear Algebra and to Mathematics for Machine Learning

2 horas para concluir
5 vídeos (Total 28 mín.), 4 leituras, 3 testes
5 videos
Motivations for linear algebra3min
Getting a handle on vectors9min
Operations with vectors11min
Summary1min
4 leituras
About Imperial College & the team5min
How to be successful in this course5min
Grading policy5min
Additional readings & helpful references10min
3 exercícios práticos
Exploring parameter space20min
Solving some simultaneous equations15min
Doing some vector operations30min
Semana
2

Semana 2

2 horas para concluir

Vectors are objects that move around space

2 horas para concluir
8 vídeos (Total 44 mín.)
8 videos
Modulus & inner product10min
Cosine & dot product5min
Projection6min
Changing basis11min
Basis, vector space, and linear independence4min
Applications of changing basis3min
Summary1min
4 exercícios práticos
Dot product of vectors15min
Changing basis15min
Linear dependency of a set of vectors15min
Vector operations assessment15min
Semana
3

Semana 3

3 horas para concluir

Matrices in Linear Algebra: Objects that operate on Vectors

3 horas para concluir
8 vídeos (Total 57 mín.)
8 videos
How matrices transform space5min
Types of matrix transformation8min
Composition or combination of matrix transformations8min
Solving the apples and bananas problem: Gaussian elimination8min
Going from Gaussian elimination to finding the inverse matrix8min
Determinants and inverses10min
Summary59s
2 exercícios práticos
Using matrices to make transformations30min
Solving linear equations using the inverse matrix30min
Semana
4

Semana 4

7 horas para concluir

Matrices make linear mappings

7 horas para concluir
6 vídeos (Total 53 mín.)
6 videos
Matrices changing basis11min
Doing a transformation in a changed basis4min
Orthogonal matrices6min
The Gram–Schmidt process6min
Example: Reflecting in a plane14min
2 exercícios práticos
Non-square matrix multiplication20min
Example: Using non-square matrices to do a projection30min

Avaliações

Principais avaliações do MATHEMATICS FOR MACHINE LEARNING: LINEAR ALGEBRA

Visualizar todas as avaliações

Sobre Programa de cursos integrados Matemática para aprendizagem automática

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....
Matemática para aprendizagem automática

Perguntas Frequentes – FAQ

Mais dúvidas? Visite o Central de Ajuda ao Aprendiz.