Principal Component Analysis with NumPy
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.
あなたが開発するスキル
ステップバイステップで学習します
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
ガイド付きプロジェクトの仕組み
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
レビュー
PRINCIPAL COMPONENT ANALYSIS WITH NUMPY からの人気レビュー
Course is amazing, got many concepts clear, learned a lot. Would also be great if more than one datasets are taken as excercise.
It was quite conceptional but the instructor made it easy for me to implement and follow along.
Learned Applying PCA Concise course.\n\nLiked the method of teaching.
Excellence experiece, good content for begineers, thanx coursera.
よくある質問
よくある質問
ガイド付きプロジェクトを購入すると何を行えるようになりますか？
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。
ガイド付きプロジェクトはデスクトップとモバイル機器で利用できますか？
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にはどのような方がいらっしゃいますか？
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。
完成したガイド付きプロジェクトから成果物をダウンロードできますか？
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。
返金ポリシーについて教えてください。
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。
学資援助はありますか？
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を監査して、ビデオ部分を無料で見ることはできますか？
ガイド付きプロジェクトでは監査を使用できません。
このガイド付きプロジェクトを行うにはどれくらいの経験が必要ですか？
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。
特別なソフトウェアをインストールせずに、Webブラウザでこのガイド付きプロジェクトを完了できますか？
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。
ガイド付きプロジェクトでの学習体験はどのようなものでしょうか？
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、受講者向けヘルプセンターにアクセスしてください。
