After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Опис курсу
Лінійна алгебра — один із найважливіших інструментів прикладної математики та науки про дані. У цьому курсі ви навчитеся працювати з векторами та матрицями, розв'язувати матрично-векторні рівняння, виконувати аналіз власних значень і власних векторів, а також застосовувати метод головних компонент для зменшення розмірності на реальних наборах даних. Усі аналізи виконуватимуться в R — одній із найпопулярніших мов програмування у світі.
Попередні вимоги
Навчальний план
Зміст курсу
1
Вступ до лінійної алгебри
У цьому розділі ви дізнаєтеся про ключові об'єкти лінійної алгебри, зокрема вектори та матриці. Ви зрозумієте, чому вони важливі та як взаємодіють між собою.
- Мотивація50 XP
- Створення векторів у R100 XP
- Алгебра векторів100 XP
- Створення матриць у R100 XP
- Операції матриця–вектор50 XP
- Сумісність матриці та вектора50 XP
- Множення матриці як перетворення100 XP
- Відбиття100 XP
- Обчислення матриця–матриця50 XP
- Сумісність множення матриць50 XP
- Множення матриць — порядок має значення100 XP
- Вступ до оберненої матриці100 XP
2
Матрично-векторні рівняння
Багато алгоритмів машинного навчання зводяться до розв'язання матрично-векторного рівняння. У цьому розділі ви дізнаєтеся, що саме роблять такі рівняння та як розв'язувати їх у R.
3
Власні значення та власні вектори
Матричні операції є складними. Аналіз власних значень і власних векторів дозволяє розкласти ці операції на простіші — для розпізнавання зображень, геномного аналізу тощо!
4
Метод головних компонент
«Великі дані» повсюдні в науці про дані та її застосунках. Однак надлишковість у таких наборах даних може бути проблемою. У цьому розділі ми розглянемо метод головних компонент і те, як його застосовують для зменшення розмірності.
R
Лінійна алгебра для Data Science в R
Курс
завершено
