Wiskundige methodologiecursus voor data science-toepassingen en machine learning. Ontdek de methodologieën die nodig zijn om de wiskundige grondslagen van het vakgebied te begrijpen.
Suggested by: Coursera (What is Coursera?)
No prior knowledge required
No unnecessary risks
In veel cursussen op hoog niveau op het gebied van machine learning en data science zul je merken dat je de basiskennis van de wiskunde moet opfrissen; dingen die je op school of op de universiteit hebt geleerd, maar die in een andere context werden gepresenteerd, of die niet erg belangrijk waren. duidelijk, zodat je het moeilijk vindt om ze in verband te brengen met de manier waarop ze in de informatica worden gebruikt. Deze specialisatie is ontworpen om die kloof te dichten en je te verbinden met elementaire wiskunde, intuïtief begrip op te bouwen en dat te verbinden met machine learning en data science.
We zullen onderzoeken wat lineaire algebra is en hoe het verband houdt met gegevens. Vervolgens zullen we zien wat vectoren en matrices zijn en hoe we ermee kunnen werken.
Hierop voortbouwend wordt onderzocht hoe de aanpasfuncties kunnen worden geoptimaliseerd om een goede aansluiting op de gegevens te bereiken. Hij vertrekt van een inleidende calculus en gebruikt vervolgens de matrices en vectoren uit de eerste cursus om de pasvorm van de gegevens te testen.
Gebruikt wiskunde uit eerdere cursussen om hoogdimensionale gegevens te comprimeren. Deze cursus is op gemiddeld niveau en vereist kennis van Python en numpy.
Aan het einde van deze stage verkrijg je de wiskundige kennis die nodig is om je reis voort te zetten en meer geavanceerde cursussen in machine learning te volgen.
Via de opdrachten van deze stage gebruik je de vaardigheden die je hebt geleerd om kleine projecten in Python te maken op interactieve notebooks, een eenvoudig leermiddel dat je zal helpen de kennis toe te passen op problemen uit de echte wereld. Bijvoorbeeld:
