このコースについて
90,258 最近の表示

100%オンライン

自分のスケジュールですぐに学習を始めてください。

柔軟性のある期限

スケジュールに従って期限をリセットします。

中級レベル

約18時間で修了

推奨:4 weeks of study, 4-5 hours/week...

英語

字幕:英語
User
このCourseを受講している学習者は
  • Machine Learning Engineers
  • Data Scientists
  • Biostatisticians
  • Scientists
  • Data Analysts

習得するスキル

Python ProgrammingPrincipal Component Analysis (PCA)Projection MatrixMathematical Optimization
User
このCourseを受講している学習者は
  • Machine Learning Engineers
  • Data Scientists
  • Biostatisticians
  • Scientists
  • Data Analysts

100%オンライン

自分のスケジュールですぐに学習を始めてください。

柔軟性のある期限

スケジュールに従って期限をリセットします。

中級レベル

約18時間で修了

推奨:4 weeks of study, 4-5 hours/week...

英語

字幕:英語

シラバス - 本コースの学習内容

1
5時間で修了

Statistics of Datasets

8件のビデオ (合計27分), 6 readings, 4 quizzes
8件のビデオ
Welcome to module 141
Mean of a dataset4 分
Variance of one-dimensional datasets4 分
Variance of higher-dimensional datasets5 分
Effect on the mean4 分
Effect on the (co)variance3 分
See you next module!27
6件の学習用教材
About Imperial College & the team5 分
How to be successful in this course5 分
Grading policy5 分
Additional readings & helpful references5 分
Set up Jupyter notebook environment offline10 分
Symmetric, positive definite matrices10 分
3の練習問題
Mean of datasets15 分
Variance of 1D datasets15 分
Covariance matrix of a two-dimensional dataset15 分
2
4時間で修了

Inner Products

8件のビデオ (合計36分), 1 reading, 5 quizzes
8件のビデオ
Dot product4 分
Inner product: definition5 分
Inner product: length of vectors7 分
Inner product: distances between vectors3 分
Inner product: angles and orthogonality5 分
Inner products of functions and random variables (optional)7 分
Heading for the next module!35
1件の学習用教材
Basis vectors20 分
4の練習問題
Dot product10 分
Properties of inner products20 分
General inner products: lengths and distances20 分
Angles between vectors using a non-standard inner product20 分
3
4時間で修了

Orthogonal Projections

6件のビデオ (合計25分), 1 reading, 3 quizzes
6件のビデオ
Projection onto 1D subspaces7 分
Example: projection onto 1D subspaces3 分
Projections onto higher-dimensional subspaces8 分
Example: projection onto a 2D subspace3 分
This was module 3!32
1件の学習用教材
Full derivation of the projection20 分
2の練習問題
Projection onto a 1-dimensional subspace25 分
Project 3D data onto a 2D subspace40 分
4
5時間で修了

Principal Component Analysis

10件のビデオ (合計52分), 5 readings, 2 quizzes
10件のビデオ
Problem setting and PCA objective7 分
Finding the coordinates of the projected data5 分
Reformulation of the objective10 分
Finding the basis vectors that span the principal subspace7 分
Steps of PCA4 分
PCA in high dimensions5 分
Other interpretations of PCA (optional)7 分
Summary of this module42
This was the course on PCA56
5件の学習用教材
Vector spaces20 分
Orthogonal complements10 分
Multivariate chain rule10 分
Lagrange multipliers10 分
Did you like the course? Let us know!10 分
1の練習問題
Chain rule practice20 分
4.0
205件のレビューChevron Right

50%

コース終了後に新しいキャリアをスタートした

48%

コースが具体的なキャリアアップにつながった

Mathematics for Machine Learning: PCA からの人気レビュー

by JSJul 17th 2018

This is one hell of an inspiring course that demystified the difficult concepts and math behind PCA. Excellent instructors in imparting the these knowledge with easy-to-understand illustrations.

by JVMay 1st 2018

This course was definitely a bit more complex, not so much in assignments but in the core concepts handled, than the others in the specialisation. Overall, it was fun to do this course!

講師

Avatar

Marc P. Deisenroth

Lecturer in Statistical Machine Learning
Department of Computing

インペリアル・カレッジ・ロンドン(Imperial College London)について

Imperial College London is a world top ten university with an international reputation for excellence in science, engineering, medicine and business. located in the heart of London. Imperial is a multidisciplinary space for education, research, translation and commercialisation, harnessing science and innovation to tackle global challenges. Imperial students benefit from a world-leading, inclusive educational experience, rooted in the College’s world-leading research. Our online courses are designed to promote interactivity, learning and the development of core skills, through the use of cutting-edge digital technology....

機械学習のための数学専門講座について

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 basic 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....
機械学習のための数学

よくある質問

  • 修了証に登録すると、すべてのビデオ、テスト、およびプログラミング課題(該当する場合)にアクセスできます。ピアレビュー課題は、セッションが開始してからのみ、提出およびレビューできます。購入せずにコースを検討することを選択する場合、特定の課題にアクセスすることはできません。

  • コースに登録する際、専門講座のすべてのコースにアクセスできます。コースの完了時には修了証を取得できます。電子修了証が成果のページに追加され、そこから修了証を印刷したり、LinkedInのプロフィールに追加したりできます。コースの内容の閲覧のみを希望する場合は、無料でコースを聴講できます。

さらに質問がある場合は、受講者向けヘルプセンターにアクセスしてください。