Курс методологии математики для приложений обработки данных и машинного обучения. Откройте для себя методологии, необходимые для понимания математических основ этой области.
Suggested by: Coursera (What is Coursera?)
No prior knowledge required
No unnecessary risks
На многих курсах высокого уровня по машинному обучению и науке о данных вы обнаружите, что вам необходимо освежить базовые знания по математике — вещам, которые вы изучали в школе или университете, но были представлены в другом контексте или были не очень ясно, так что вам будет трудно связать их с тем, как они используются в информатике. Эта специализация призвана заполнить этот пробел и познакомить вас с основами математики, развить интуитивное понимание и связать его с машинным обучением и наукой о данных.
Мы рассмотрим, что такое линейная алгебра и как она связана с данными. Дальше мы увидим, что такое векторы и матрицы и как с ними работать.
Опираясь на это, мы рассмотрим, как оптимизировать функции подгонки для достижения хорошего соответствия данным. Он начинает с вводного расчета, а затем использует матрицы и векторы из первого курса, чтобы проверить соответствие данных.
Использует математику из предыдущих курсов для сжатия многомерных данных. Этот курс находится на среднем уровне и требует знания Python и numpy.
По окончании стажировки вы получите математические знания, необходимые для продолжения вашего пути и прохождения более продвинутых курсов по машинному обучению.
Выполняя задания этой стажировки, вы будете использовать полученные навыки для создания небольших проектов на Python в интерактивных блокнотах — простом инструменте обучения, который поможет вам применить полученные знания для решения реальных проблем. например:
