数据科学和机器学习应用的数学课程方法。了解了解该领域数学基础知识所需的方法。
Suggested by: Coursera (What is Coursera?)
No prior knowledge required
No unnecessary risks
在机器学习和数据科学的许多高级课程中，你会发现你需要刷新数学的基础知识——你在学校或大学学到的东西，但在不同的上下文中呈现，或者不是很清楚，因此你很难将它们与它们在计算机科学中的使用方式联系起来。该专业化旨在缩小这一差距，将您与基础数学联系起来，建立直观的理解，并将其与机器学习和数据科学联系起来。
我们将了解什么是线性代数以及它与数据的关系。然后，我们将了解什么是向量和矩阵以及如何使用它们。
它以此为基础测试如何优化匹配函数以实现良好的数据匹配。它从介绍性计算开始，然后使用第一门课程中的矩阵和向量来测试数据的兼容性。
使用以前课程中的数学来压缩高维数据。本课程是中级课程，需要 Python 和 numpy 知识。
在此专业结束时，您将获得继续您的旅程并参加更高级的机器学习课程所需的数学知识。
通过此专业的作业，您将使用所学技能在交互式笔记本上用 Python 创建小型项目，交互式笔记本是一种易于学习的工具，可帮助您将知识应用于实际问题。 例如：
