After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Descrizione del corso
L'algebra lineare è uno degli strumenti più importanti della matematica applicata e della data science. In questo corso imparerai a lavorare con vettori e matrici, a risolvere equazioni matrice-vettore, a eseguire analisi di autovalori/autovettori e a usare la principal component analysis per ridurre la dimensionalità su insiemi di dati reali. Tutte le analisi saranno effettuate in R, uno dei linguaggi di programmazione più popolari al mondo.
Prerequisiti
Curriculum
Programma del corso
1
Introduzione all'algebra lineare
In questo capitolo scoprirai gli oggetti fondamentali dell'algebra lineare, come vettori e matrici. Capirai perché sono importanti e come interagiscono tra loro.
- Motivazioni50 XP
- Creare vettori in R100 XP
- L’algebra dei vettori100 XP
- Creare matrici in R100 XP
- Operazioni matrice-vettore50 XP
- Compatibilità matrice-vettore50 XP
- La moltiplicazione di matrici come trasformazione100 XP
- Riflessioni100 XP
- Calcoli matrice-matrice50 XP
- Compatibilità della moltiplicazione tra matrici50 XP
- Moltiplicazione di matrici - L'ordine conta100 XP
- Introduzione all'inversa di una matrice100 XP
2
Equazioni matrice-vettore
Molti algoritmi di Machine Learning si riducono a risolvere un'equazione matrice-vettore. In questo capitolo vedrai che cosa vogliono ottenere le equazioni matrice-vettore e come risolverle in R.
3
Autovalori e autovettori
Le operazioni con le matrici sono complesse. Le analisi di autovalori/autovettori permettono
di scomporre queste operazioni in parti più semplici, utili per il riconoscimento di immagini, l'analisi genomica e molto altro!
4
Principal Component Analysis
Il “Big Data” è onnipresente nella data science e nelle sue applicazioni. Tuttavia, la ridondanza in questi insiemi di dati può creare problemi. In questo capitolo vedremo la principal component analysis e come può essere usata per la riduzione della dimensionalità.
R
Algebra lineare per la Data Science in R
Corso
completato
