Eigenvalues And EigenvectorsPrincipal Component Analysis (PCA)Multivariable CalculusLinear AlgebraBasis (Linear Algebra)Transformation MatrixLinear RegressionVector CalculusGradient DescentDimensionality ReductionPython Programming
機械学習のための数学専門講座
機械学習のための数学. Learn about the prerequisite mathematics for applications in data science and machine learning
80,658人がすでに登録済みです
提供：
機械学習のための数学専門講座インペリアル・カレッジ・ロンドン（Imperial College London）学習内容
Implement mathematical concepts using real-world data
Derive PCA from a projection perspective
Understand how orthogonal projections work
Master PCA
習得するスキル
この専門講座について
139,833 最近の表示
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 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.
応用学習プロジェクト
Through the assignments of this specialisation you will use the skills you have learned to produce mini-projects with Python on interactive notebooks, an easy to learn tool which will help you apply the knowledge to real world problems. For example, using linear algebra in order to calculate the page rank of a small simulated internet, applying multivariate calculus in order to train your own neural network, performing a non-linear least squares regression to fit a model to a data set, and using principal component analysis to determine the features of the MNIST digits data set.
受講生の就業成果
50%
この専門講座終了後に新しいキャリアをスタートしました
共有できる証明書
修了時に証明書を取得
100%オンラインコース
自分のスケジュールですぐに学習を始めてください。
フレキシブルなスケジュール
柔軟性のある期限の設定および維持
初級レベル
経験は不要です。
約4か月で修了
推奨4時間/週
英語
字幕：英語, ギリシャ語, スペイン語
受講生の就業成果
50%
この専門講座終了後に新しいキャリアをスタートしました
共有できる証明書
修了時に証明書を取得
100%オンラインコース
自分のスケジュールですぐに学習を始めてください。
フレキシブルなスケジュール
柔軟性のある期限の設定および維持
初級レベル
経験は不要です。
約4か月で修了
推奨4時間/週
英語
字幕：英語, ギリシャ語, スペイン語
この専門講座には3コースあります。
Mathematics for Machine Learning: Linear Algebra
7,495件の評価
In this course on Linear Algebra we look at what linear algebra is and how it relates to vectors and matrices. Then we look through what vectors and matrices are and how to work with them, including the knotty problem of eigenvalues and eigenvectors, and how to use these to solve problems. Finally we look at how to use these to do fun things with datasets - like how to rotate images of faces and how to extract eigenvectors to look at how the Pagerank algorithm works.
Mathematics for Machine Learning: Multivariate Calculus
3,592件の評価
This course offers a brief introduction to the multivariate calculus required to build many common machine learning techniques. We start at the very beginning with a refresher on the “rise over run” formulation of a slope, before converting this to the formal definition of the gradient of a function. We then start to build up a set of tools for making calculus easier and faster. Next, we learn how to calculate vectors that point up hill on multidimensional surfaces and even put this into action using an interactive game. We take a look at how we can use calculus to build approximations to functions, as well as helping us to quantify how accurate we should expect those approximations to be. We also spend some time talking about where calculus comes up in the training of neural networks, before finally showing you how it is applied in linear regression models. This course is intended to offer an intuitive understanding of calculus, as well as the language necessary to look concepts up yourselves when you get stuck. Hopefully, without going into too much detail, you’ll still come away with the confidence to dive into some more focused machine learning courses in future.
Mathematics for Machine Learning: PCA
1,923件の評価
This intermediate-level course introduces the mathematical foundations to derive Principal Component Analysis (PCA), a fundamental dimensionality reduction technique. We'll cover some basic statistics of data sets, such as mean values and variances, we'll compute distances and angles between vectors using inner products and derive orthogonal projections of data onto lower-dimensional subspaces. Using all these tools, we'll then derive PCA as a method that minimizes the average squared reconstruction error between data points and their reconstruction.
提供：
インペリアル・カレッジ・ロンドン（Imperial College London）
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.
よくある質問
専門講座を修了することで大学の単位は付与されますか？
If you subscribed, you get a 7-day free trial during which you can cancel at no penalty. After that, we don’t give refunds, but you can cancel your subscription at any time. See our full refund policy.
Can I just enroll in a single course?
サブスクライブすると、7日間の無料トライアルを体験できます。この期間中は解約金なしでキャンセルできます。それ以降、払い戻しはありませんが、サブスクリプションをいつでもキャンセルできます。返金ポリシーをすべて表示します。
1つのコースだけに登録することは可能ですか？
はい。まず始めに興味のあるコースカードをクリックして登録します。コースに登録して修了することによって、共有できる修了証を取得するか、無料でコースを聴講してコースの教材を確認することができます。専門講座の一部であるコースにサブスクライブすると、専門講座全体に自動的にサブスクライブされます。進捗を追跡するには、受講生のダッシュボードにアクセスしてください。
Can I take the course for free?
はい。受講料の支払いが難しい受講生に、Coursera（コーセラ）は学資援助を提供しています。左側の［登録］ボタンの下にある［学資援助］のリンクをクリックして申請してください。申請書の入力を促すメッセージが表示され、承認されると通知が届きます。キャップストーンプロジェクトを含む専門講座の各コースでこのステップを完了する必要があります。詳細。
無料でコースを受講できますか？
コースに登録すると専門講座のすべてのコースにアクセスできるようになり、コースを修了すると修了証を取得できます。コース内容の閲覧のみを希望する場合は、無料でコースを聴講することができます。受講料の支払いが難しい場合は、学資援助を申請することができます。
このコースは100%オンラインで提供されますか？実際に出席する必要のあるクラスはありますか？
このコースは完全にオンラインで提供されているため、実際に教室に出席する必要はありません。Webまたはモバイル機器からいつでもどこからでも講義、学習用教材、課題にアクセスできます。
専門講座を修了するのにどのくらいの期間かかりますか？
High school maths knowledge is required. Basic knowledge of Python can come in handy, but it is not necessary for courses 1 and 2. For course 3 (intermediate difficulty) you will need basic Python and numpy knowledge to get through the assignments.
Do I need to take the courses in a specific order?
We recommend taking the courses in the order in which they are displayed on the main page of the Specialization.
Will I earn university credit for completing the Specialization?
This is a non-credit Specialization.
専門講座を修了することで大学の単位は付与されますか？
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.
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。
