หลังจากเรียนคอร์สเหล่านี้ รู้สึกมั่นใจในการสร้างการแสดงผลข้อมูลและแดชบอร์ดระดับมืออาชีพ
Shoebur RahmanProcurement Specialist, Giz Bangladesh
รายละเอียดคอร์ส
พีชคณิตเชิงเส้นเป็นหนึ่งในชุดเครื่องมือที่สำคัญที่สุดในคณิตศาสตร์ประยุกต์และ Data Science ในคอร์สนี้ จะได้เรียนรู้วิธีทำงานกับเวกเตอร์และเมทริกซ์ การแก้สมการเมทริกซ์-เวกเตอร์ การวิเคราะห์ค่าเจาะจง/เวกเตอร์เจาะจง และการใช้ principal component analysis เพื่อลดมิติของชุดข้อมูลจริง โดยการวิเคราะห์ทั้งหมดจะดำเนินการใน R ซึ่งเป็นหนึ่งในภาษาโปรแกรมที่ได้รับความนิยมมากที่สุดในโลก
ข้อกำหนดเบื้องต้น
หลักสูตร
โครงร่างคอร์ส
1
รู้จักพีชคณิตเชิงเส้น
ในบทนี้ จะได้เรียนรู้เกี่ยวกับออบเจกต์หลักในพีชคณิตเชิงเส้น เช่น เวกเตอร์และเมทริกซ์ รวมถึงทำความเข้าใจว่าเหตุใดสิ่งเหล่านี้จึงมีความสำคัญ และมีปฏิสัมพันธ์กันอย่างไร
- แรงจูงใจ50 XP
- การสร้างเวกเตอร์ใน R100 XP
- พีชคณิตของเวกเตอร์100 XP
- การสร้างเมทริกซ์ใน R100 XP
- การดำเนินการของเมทริกซ์และเวกเตอร์50 XP
- ความเข้ากันได้ของเมทริกซ์และเวกเตอร์50 XP
- การคูณเมทริกซ์ในฐานะการแปลงเวกเตอร์100 XP
- การสะท้อน100 XP
- การคำนวณระหว่างเมทริกซ์50 XP
- ความเข้ากันได้ของการคูณเมทริกซ์50 XP
- การคูณเมทริกซ์ — ลำดับมีความสำคัญ100 XP
- แนะนำเมทริกซ์ผกผัน100 XP
2
สมการเมทริกซ์-เวกเตอร์
อัลกอริทึม machine learning หลายตัวสามารถสรุปได้ว่าเป็นการแก้สมการเมทริกซ์-เวกเตอร์ ในบทนี้ จะได้เรียนรู้ว่าสมการเมทริกซ์-เวกเตอร์มีจุดมุ่งหมายอะไร และวิธีแก้สมการเหล่านั้นใน R
3
ค่าเจาะจงและเวกเตอร์เจาะจง
การดำเนินการกับเมทริกซ์มีความซับซ้อน การวิเคราะห์ค่าเจาะจง/เวกเตอร์เจาะจงช่วยให้สามารถแยกย่อยการดำเนินการเหล่านี้ให้เป็นขั้นตอนที่ง่ายขึ้น ซึ่งนำไปใช้ได้ในงานด้านการรู้จำภาพ การวิเคราะห์จีโนม และอื่น ๆ อีกมากมาย
4
Principal Component Analysis
"Big Data" เป็นสิ่งที่พบได้ทั่วไปใน Data Science และการประยุกต์ใช้งาน อย่างไรก็ตาม ความซ้ำซ้อนในชุดข้อมูลเหล่านี้อาจก่อให้เกิดปัญหาได้ ในบทนี้ จะได้เรียนรู้เกี่ยวกับ principal component analysis และวิธีนำไปใช้ในการลดมิติของข้อมูล
R
พีชคณิตเชิงเส้นสำหรับ Data Science ใน R
เรียนคอร์สจบแล้ว
