Después de hacer estos cursos, me siento seguro creando visualizaciones y cuadros de mando profesionales
Shoebur RahmanEspecialista en adquisiciones, Giz Bangladesh
Descripción del curso
El álgebra lineal es uno de los conjuntos de herramientas más importantes en matemáticas aplicadas y data science. En este curso, aprenderás a trabajar con vectores y matrices, a resolver ecuaciones matriz-vector, a realizar análisis de valores y vectores propios, y a usar el análisis de componentes principales para reducir la dimensión en conjuntos de datos del mundo real. Todos los análisis se harán en R, uno de los lenguajes de programación más populares del mundo.
Requisitos previos
Programa de formación
Contenido del curso
1
Introducción al álgebra lineal
En este capítulo aprenderás cuáles son los objetos clave del álgebra lineal, como los vectores y las matrices. Entenderás por qué son importantes y cómo interactúan entre sí.
- Motivaciones50 XP
- Crear vectores en R100 XP
- El álgebra de los vectores100 XP
- Crear matrices en R100 XP
- Operaciones matriz-vector50 XP
- Compatibilidad matriz-vector50 XP
- La multiplicación de matrices como transformación100 XP
- Reflexiones100 XP
- Cálculos matriz-matriz50 XP
- Compatibilidad de la multiplicación de matrices50 XP
- Multiplicación de matrices: el orden importa100 XP
- Introducción a la inversa de una matriz100 XP
2
Ecuaciones matriz-vector
Muchos algoritmos de Machine Learning se reducen a resolver una ecuación matriz-vector. En este capítulo, verás qué buscan conseguir estas ecuaciones y cómo resolverlas en R.
3
Valores y vectores propios
Las operaciones con matrices son complejas. Los análisis de valores y vectores propios permiten descomponer estas operaciones en otras más simples para tareas como el reconocimiento de imágenes, el análisis genómico y mucho más.
4
Análisis de componentes principales
El “Big Data” es ubicuo en data science y sus aplicaciones. Sin embargo, la redundancia en estos conjuntos de datos puede ser problemática. En este capítulo, veremos qué es el análisis de componentes principales y cómo puede usarse para la reducción de dimensión.
R
Álgebra lineal para data science en R
Curso
completado
