|
所在平台: Coursera专项课程 课程类别: 计算机科学 大学或机构: CourseraNew |
课程主页: https://www.coursera.org/specializations/mathematics-machine-learning
课程评论：没有评论
课程名称：机器学习的数学专业 概述：在许多机器学习和数据科学的高级课程中，学习者往往需要重新掌握数学基础知识。这些知识可能在学校或大学时学过，但由于教授时的上下文不同，或未能直观理解，使得将其与计算机科学中的应用关联变得困难。该专业旨在弥补这一差距，帮助您迅速掌握基础数学，建立直观理解，并与机器学习和数据科学相联系。 第一门课程是线性代数，介绍线性代数的概念及其与数据的关系，学习向量和矩阵的定义以及如何使用它们。 第二门课程是多元演算，构建在第一门课程的基础上，旨在优化拟合函数以实现良好的数据拟合。课程从入门级演算开始，借助第一门课程中的矩阵和向量技术进行数据拟合的学习。 第三门课程是使用主成分分析进行降维，利用前两门课程中的数学知识压缩高维数据。该课程为中等难度，需具备Python和numpy的知识。 最终，完成该专业课程后，学习者将掌握继续学习更高级机器学习课程所需的数学知识。 课程大纲： 1. 机器学习的数学：线性代数 - 提供单位：伦敦帝国学院 - 内容：讲解线性代数的概念及其与向量的关系。 - 课程链接：[线性代数](https://www.coursera.org/learn/linear-algebra-machine-learning) 2. 机器学习的数学：多元演算 - 提供单位：伦敦帝国学院 - 内容：介绍构建常见算法所需的多元演算基础。 - 课程链接：[多元演算](https://www.coursera.org/learn/multivariate-calculus-machine-learning) 3. 机器学习的数学：PCA - 提供单位：伦敦帝国学院 - 内容：介绍主成分分析的数学基础。 - 课程链接：[主成分分析](https://www.coursera.org/learn/pca-machine-learning) 欢迎报名参加，免费学习这些课程！
Course Link: https://www.coursera.org/learn/linear-algebra-machine-learning
Name:Mathematics for Machine Learning: Linear Algebra
Description:Offered by Imperial College London. In this course on Linear Algebra we look at what linear algebra is and how it relates to vectors and ... Enroll for free.
Course Link: https://www.coursera.org/learn/multivariate-calculus-machine-learning
Name:Mathematics for Machine Learning: Multivariate Calculus
Description:Offered by Imperial College London. This course offers a brief introduction to the multivariate calculus required to build many common ... Enroll for free.
Course Link: https://www.coursera.org/learn/pca-machine-learning
Name:Mathematics for Machine Learning: PCA
Description:Offered by Imperial College London. This intermediate-level course introduces the mathematical foundations to derive Principal Component ... Enroll for free.
For a lot of higher level courses in Machine Learning and Data Science, you find you need to freshen up on the basics in mathematics - stuff you may have studied before in school or university, but which was taught in another context, or not very intuitively, such that you struggle to relate it to how it’s used in Computer Science. This specialization aims to bridge that gap, getting you up to speed in the underlying mathematics, building an intuitive understanding, and relating it to Machine Learning and Data Science. In the first course on Linear Algebra we look at what linear algebra is and how it relates to data. Then we look through what vectors and matrices are and how to work with them. The second course, Multivariate Calculus, builds on this to look at how to optimize fitting functions to get good fits to data. It starts from introductory calculus and then uses the matrices and vectors from the first course to look at data fitting. The third course, Dimensionality Reduction with Principal Component Analysis, uses the mathematics from the first two courses to compress high-dimensional data. This course is of intermediate difficulty and will require Python and numpy knowledge. At the end of this specialization you will have gained the prerequisite mathematical knowledge to continue your journey and take more advanced courses in machine learning.
机器学习专业的数学：对于许多机器学习和数据科学的更高级别的课程，您会发现需要重新学习数学的基础知识-您以前在学校或大学曾学过的东西，但是在另外一门课程中曾讲过上下文，或者不是很直观，因此您很难将其与计算机科学中的用法相关联。该专业旨在弥合这一差距，让您快速掌握基础数学，建立直觉的理解并将其与机器学习和数据科学联系起来。 在有关线性代数的第一门课程中，我们了解什么是线性代数以及它与数据的关系。然后，我们研究什么是向量和矩阵以及如何使用它们。 第二门课程，多元演算，以此为基础，着眼于如何优化拟合函数以获得与数据的良好拟合。它从入门演算开始，然后使用第一个过程中的矩阵和向量来查看数据拟合。 第三个课程是使用主成分分析进行降维，它使用前两个课程中的数学来压缩高维数据。这门课程是中等难度的，需要Python和numpy知识。 在本专业课程结束时，您将获得必备的数学知识，以继续您的旅程并参加机器学习的高级课程。
