About this 専門講座
100%オンラインコース

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

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

初級レベル

修了時間

約2か月で修了

推奨12時間/週
利用可能な言語

英語

字幕:英語...

習得するスキル

Eigenvalues And EigenvectorsPrincipal Component Analysis (PCA)Multivariable CalculusLinear Algebra
100%オンラインコース

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

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

初級レベル

修了時間

約2か月で修了

推奨12時間/週
利用可能な言語

英語

字幕:英語...

How the 専門講座 Works

コースを受講しましょう。

Coursera(コーセラ)の専門講座は、一連のコース群であり、技術を身に付ける手助けとなります。開始するには、専門講座に直接登録するか、コースを確認して受講したいコースを選択してください。専門講座の一部であるコースにサブスクライブすると、自動的にすべての専門講座にサブスクライブされます。1つのコースを修了するだけでも結構です。いつでも、学習を一時停止したり、サブスクリプションを終了することができます。コースの登録状況や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。

実践型プロジェクト

すべての専門講座には、実践型プロジェクトが含まれています。専門講座を完了して修了証を獲得するには、成功裏にプロジェクトを終了させる必要があります。専門講座に実践型プロジェクトに関する別のコースが含まれている場合、専門講座を開始するには、それら他のコースをそれぞれ終了させる必要があります。

修了証を取得

すべてのコースを終了し、実践型プロジェクトを完了すると、修了証を獲得します。この修了証は、今後採用企業やあなたの職業ネットワークと共有できます。

how it works

この専門講座には3コースあります。

コース1

Mathematics for Machine Learning: Linear Algebra

4.6
1,948件の評価
338件のレビュー
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. Since we're aiming at data-driven applications, we'll be implementing some of these ideas in code, not just on pencil and paper. Towards the end of the course, you'll write code blocks and encounter Jupyter notebooks in Python, but don't worry, these will be quite short, focussed on the concepts, and will guide you through if you’ve not coded before. At the end of this course you will have an intuitive understanding of vectors and matrices that will help you bridge the gap into linear algebra problems, and how to apply these concepts to machine learning....
コース2

Mathematics for Machine Learning: Multivariate Calculus

4.7
1,001件の評価
153件のレビュー
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....
コース3

Mathematics for Machine Learning: PCA

4.0
510件の評価
102件のレビュー
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. At the end of this course, you'll be familiar with important mathematical concepts and you can implement PCA all by yourself. If you’re struggling, you'll find a set of jupyter notebooks that will allow you to explore properties of the techniques and walk you through what you need to do to get on track. If you are already an expert, this course may refresh some of your knowledge. The lectures, examples and exercises require: 1. Some ability of abstract thinking 2. Good background in linear algebra (e.g., matrix and vector algebra, linear independence, basis) 3. Basic background in multivariate calculus (e.g., partial derivatives, basic optimization) 4. Basic knowledge in python programming and numpy Disclaimer: This course is substantially more abstract and requires more programming than the other two courses of the specialization. However, this type of abstract thinking, algebraic manipulation and programming is necessary if you want to understand machine learning algorithms....

講師

Avatar

David Dye

Professor of Metallurgy
Department of Materials
Avatar

Samuel J. Cooper

Lecturer
Dyson School of Design Engineering
Avatar

A. Freddie Page

Strategic Teaching Fellow
Dyson School of Design Engineering
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....

よくある質問

  • 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。

  • 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。

  • この専門講座では大学の単位は付与されませんが、一部の大学では専門講座修了証を単位として承認する場合があります。詳細については、大学にお問い合わせください。

  • 3/4 hours a week for 3 to 4 months

  • 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.

  • We recommend taking the courses in the order in which they are displayed on the main page of the Specialization.

  • 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。