Ga naar hoofdinhoud

Cursus

Lineaire algebra voor data science in R

GemiddeldVaardigheidsniveau

Bijgewerkt 08-2022

Deze cursus is een inleiding tot lineaire algebra, een van de belangrijkste wiskundige onderwerpen die ten grondslag liggen aan datawetenschap.

Start Cursus Kosteloos

RProbability & Statistics

4 u

15 videos

56 Opdrachten

4,000 XP

21,043

Bewijs van Prestatie

Geliefd bij leerlingen van duizenden bedrijven

Een team trainen?

Probeer voor bedrijven

Cursusbeschrijving

Lineaire algebra is een van de belangrijkste hulpmiddellensets in de toegepaste wiskunde en data science. In deze cursus leer je werken met vectoren en matrices, matrix-vectorvergelijkingen oplossen, analyses met eigenwaarden en eigenvectoren uitvoeren en principal component analysis gebruiken om dimensiereductie toe te passen op realistische gegevenssets. Alle analyses worden uitgevoerd in R, een van de populairste programmeertalen ter wereld.

Vereisten

Introduction to R

1

Introductie tot lineaire algebra

In dit hoofdstuk leer je over de belangrijkste objecten in de lineaire algebra, zoals vectoren en matrices. Je ontdekt waarom ze belangrijk zijn en hoe ze met elkaar samenhangen.

Vectoren maken in R

De algebra van vectoren

Matrices maken in R

Matrix-vectorbewerkingen

Compatibiliteit van matrix en vector

Matrixvermenigvuldiging als transformatie

Spiegelingen

Matrix-matrixberekeningen

Compatibiliteit van matrixvermenigvuldiging

Matrixvermenigvuldiging - Volgorde is belangrijk

Introductie tot de matrixinverse

Hoofdstuk beginnen

2

Matrix-vectorvergelijkingen

Veel Machine Learning-algoritmen komen neer op het oplossen van een matrix-vectorvergelijking. In dit hoofdstuk leer je wat matrix-vectorvergelijkingen beogen en hoe je ze in R oplost.

Waarom je matrix-vectorvergelijkingen wilt oplossen

De betekenis van Ax = b

WNBA-gegevens verkennen

Matrix-vectorvergelijkingen - wat theorie

Waarom is een matrix niet inverteerbaar?

Begrijp de drie uitkomsten van een lineair stelsel

De Massey-matrix begrijpen

De Massey-matrix aanpassen

De Massey-matrix inverteren

Matrix-vectorvergelijkingen oplossen

Een analogie met gewone algebra

2017 WNBA-ratings!

Wie werd kampioen?

Andere aandachtspunten voor matrix-vectorvergelijkingen

Andere methoden voor matrix-vectorvergelijkingen

Alternatieven voor de reguliere matrixinverse

Hoofdstuk beginnen

3

Eigenwaarden en eigenvectoren

Matrixbewerkingen zijn complex. Analyses met eigenwaarden en eigenvectoren stellen je in staat deze bewerkingen op te splitsen in eenvoudigere stappen, bijvoorbeeld voor beeldherkenning, genomische analyse en meer!

Introductie tot eigenwaarden en eigenvectoren

Scalair vermenigvuldigen interpreteren

Schalen langs verschillende assen

Definitie van eigenwaarden en eigenvectoren

Waarom "Eigen"?

Eigenwaarden vinden in R

Scalair veelvouden van eigenvectoren zijn eigenvectoren

Eigenwaarden en eigenvectoren berekenen in R

Hoeveel eigenwaarden?

De wiskunde achter eigenwaarden verifiëren

Eigenvectoren berekenen in R

Nog wat meer over eigenwaarden en eigenvectoren

Ordening van eigenwaarden

Markov-modellen voor allelfrequenties

Hoofdstuk beginnen

4

Principal component analysis

“Big Data” is alomtegenwoordig in data science en de toepassingen ervan. Toch kan overbodige informatie in deze gegevenssets problemen opleveren. In dit hoofdstuk leer je over principal component analysis en hoe je dit kunt gebruiken voor dimensiereductie.

Introductie tot het idee achter PCA

Wat betekent "Big Data"?

Redundantie opsporen

De lineaire algebra achter PCA

Covariantie onder de loep

Je gegevens standaardiseren

Variantie-/covariantie-berekeningen

Eigenanalyses van gecombineerde data

Waar zit de variantie?

PCA uitvoeren in R

Data schalen vóór PCA

PCA samenvatten in R

Verandert subsetten iets?

Hoofdstuk beginnen

Lineaire algebra voor data science in R

Cursus
voltooid

Verdien een prestatieverklaring

Voeg deze referentie toe aan je LinkedIn-profiel, cv of curriculum vitae
Deel het op sociale media en in je functioneringsgesprekSchrijf je nu in

Sluit je aan bij meer dan 19 miljoen leerlingen en start vandaag nog met Lineaire algebra voor data science in R!

Ontwikkel je datavaardigheden met DataCamp voor Mobiel

Maak vooruitgang onderweg met onze mobiele cursussen en dagelijkse 5-minuten programmeeruitdagingen.