281件の評価
8,705人がすでに登録済みです
Implement Principal Component Analysis (PCA) from scratch with NumPy and Python
Conduct basic exploratory data analysis (EDA)
Create simple data visualizations with Seaborn and Matplotlib
Welcome to this 2 hour long project-based course on Principal Component Analysis with NumPy and Python. In this project, you will do all the machine learning without using any of the popular machine learning libraries such as scikit-learn and statsmodels. The aim of this project and is to implement all the machinery of the various learning algorithms yourself, so you have a deeper understanding of the fundamentals. By the time you complete this project, you will be able to implement and apply PCA from scratch using NumPy in Python, conduct basic exploratory data analysis, and create simple data visualizations with Seaborn and Matplotlib. The prerequisites for this project are prior programming experience in Python and a basic understanding of machine learning theory. This course runs on Coursera's hands-on project platform called Rhyme. On Rhyme, you do projects in a hands-on manner in your browser. You will get instant access to pre-configured cloud desktops containing all of the software and data you need for the project. Everything is already set up directly in your internet browser so you can just focus on learning. For this project, you’ll get instant access to a cloud desktop with Python, Jupyter, NumPy, and Seaborn pre-installed.
Data Science
Python Programming
Seaborn
Numpy
PCA
ワークエリアを使用した分割画面で再生するビデオでは、講師がこれらの手順を説明します。
Introduction and Overview
Load the Data and Libraries
Visualize the Data
Data Standardization
Compute the Eigenvectors and Eigenvalues
Singular Value Decomposition (SVD)
Selecting Principal Components Using the Explained Variance
Project Data Onto a Lower-Dimensional Linear Subspace
ワークスペースは、ブラウザに完全にロードされたクラウドデスクトップですので、ダウンロードは不要です
分割画面のビデオで、講師が手順ごとにガイドします
SSにより
2020年5月31日It was quite conceptional but the instructor made it easy for me to implement and follow along.
TAにより
2020年10月30日Good Introductory project to gain insights into PCA using Numpy and python.
JAにより
2020年7月25日Good Exercise to practice and understand a little better.
TSにより
2020年10月4日V e\n\nr\n\ny\n\ng\n\no\n\no\n\nd\n\nG\n\nu\n\ni\n\nd\n\ne\n\nd\n\ne\n\np\n\nr\n\no\n\nj\n\ne\n\nc\n\nt
ガイド付きプロジェクトを購入することによって、ガイド付きプロジェクトを完了するために必要なものすべてが得られます。これには、開始する必要のあるファイルとソフトウェアを含むWebブラウザを介したクラウドデスクトップワークスペースへのアクセスの他、専門家によるステップバイステップのビデオ講座が含まれます。
ワークスペースにはラップトップまたはデスクトップコンピューターに適したサイズのクラウドデスクトップが含まれているため、モバイル機器ではガイド付きプロジェクトを使用できません。
ガイド付きプロジェクトの講師は、プロジェクトのスキル、ツール、またはその分野での経験があり、知識を共有して世界中の何百万人もの受講生に影響を与えるたことに情熱を持つ専門家です。
ガイド付きプロジェクトから作成したファイルをダウンロードして保持できます。そのためには、クラウドデスクトップにアクセスしているときに「ファイルブラウザ」機能を使用できます。
ガイド付きプロジェクトは払い戻しの対象外です。すべての返金ポリシーを表示する。
ガイド付きプロジェクトには学費援助が利用できません。
ガイド付きプロジェクトでは監査を使用できません。
ページの上部で、このガイド付きプロジェクトの経験レベルを押して、知識の前提条件を表示できます。ガイド付きプロジェクトのすべてのレベルで、インストラクターがステップバイステップでご案内します。
はい。ガイド付きプロジェクトを完了するために必要なものはすべて、ブラウザで利用可能なクラウドデスクトップで利用できます。
分割画面環境でタスクをブラウザで直接完了することで学習できます。画面の左側で、ワークスペースでタスクを完了します。画面の右側で、講師がプロジェクトをステップごとにガイドします。
さらに質問がある場合は、受講者ヘルプセンターにアクセスしてください。
