Build your ultimate AI agent
कोर्स विवरण
Linear algebra अनुप्रयुक्त गणित और डेटा साइंस के सबसे महत्वपूर्ण टूल्स में से एक है। इस कोर्स में, आप वेक्टर और मैट्रिक्स के साथ काम करना, मैट्रिक्स-वेक्टर समीकरण हल करना, eigenvalue/eigenvector विश्लेषण करना, और वास्तविक-जीवन के डेटासेट्स पर dimension reduction के लिए principal component analysis का उपयोग करना सीखेंगे। सभी विश्लेषण R में किए जाएँगे, जो दुनिया की सबसे लोकप्रिय प्रोग्रामिंग भाषाओं में से एक है।
पूर्वापेक्षाएँ
पाठ्यक्रम
कोर्स रूपरेखा
1
Linear Algebra परिचय
इस अध्याय में, आप linear algebra की मुख्य वस्तुओं, जैसे वेक्टर और मैट्रिक्स, के बारे में जानेंगे। आप समझेंगे कि ये क्यों महत्वपूर्ण हैं और एक-दूसरे के साथ कैसे इंटरैक्ट करते हैं।
- प्रेरणाएँ50 XP
- R में Vectors बनाना100 XP
- Vectors का Algebra100 XP
- R में मैट्रिक्स बनाना100 XP
- मैट्रिक्स-वेक्टर ऑपरेशन50 XP
- मैट्रिक्स-वेक्टर संगतता50 XP
- परिवर्तन के रूप में Matrix Multiplication100 XP
- प्रतिबिंब (Reflections)100 XP
- मैट्रिक्स–मैट्रिक्स कैलकुलेशन50 XP
- Matrix Multiplication Compatibility50 XP
- Matrix Multiplication - क्रम का महत्व100 XP
- Matrix Inverse का परिचय100 XP
2
Matrix-Vector समीकरण
कई मशीन लर्निंग एल्गोरिदम आख़िरकार एक matrix-vector समीकरण को हल करने पर आकर रुकते हैं। इस अध्याय में, आप जानेंगे कि matrix-vector समीकरण क्या हासिल करना चाहते हैं और उन्हें R में कैसे हल करें।
3
Eigenvalues और Eigenvectors
मैट्रिक्स ऑपरेशंस जटिल होते हैं। Eigenvalue/eigenvector विश्लेषण आपको इमेज रिकग्निशन, जीनोमिक विश्लेषण, और अन्य कार्यों के लिए इन ऑपरेशंस को सरल भागों में तोड़ने देता है!
4
Principal Component Analysis
"Big Data" डेटा साइंस और उसके अनुप्रयोगों में सर्वव्यापी है। हालाँकि, इन डेटासेट्स में दोहराव समस्या बन सकता है। इस अध्याय में, हम principal component analysis के बारे में सीखेंगे और समझेंगे कि इसे dimension reduction में कैसे उपयोग किया जा सकता है।
R
R में Data Science के लिए Linear Algebra
कोर्स
पूरा
