|
所在平台: Udemy |
课程主页: https://www.udemy.com/course/algebralineal/
课程评论：没有评论
课程名称：从零到专家的完整线性代数课程 概述：本课程由Juan Gabriel Gomila和María Santos主讲，涉及全面的线性代数内容，为未来的数据科学家奠定基础。课程内容涵盖数学、工程和计算机科学专业首年所学的知识，包括： - R和RStudio、Anaconda Navigator和Octave GNU等软件的安装与使用，掌握这些工具以便在日常学习中像使用科学计算器一样进行计算。 - 学习功能编程，使用R、Python和Octave创建函数，以解决线性代数问题，为后续学习统计、数据分析、机器学习和人工智能打下基础。 - 数学基础知识，包括体的研究、三角学的回顾、归纳法和复数等内容。 - 矩阵、线性方程组、行列式以及LU分解方法，了解其在神经网络和支持向量机中的应用。 - 向量及其运算，包括线性组合、点积、正交投影、叉积和混合积，这些概念在物理、工程和编程中至关重要。 - 向量空间的概念，计算维度、查找基底、变换基底和Gram-Schmidt正交化方法。 - 创建向量空间，包括直接和乘积空间或商空间。 - 线性变换和态射，用于分类和关联向量空间。 - 使用特征值和特征向量方法对内映射进行对角化，研究其在数据传输与机器学习（如马尔可夫链和主成分分析）中的应用。 - 线性优化和单纯形法的介绍。 - GitHub上的课程资料库，获取与课堂相同的脚本，便于学习和实践。 完成课程后，你可以无缝衔接Juan Gabriel Gomila的其他课程，如Python或RStudio的机器学习、数据科学课程等。这段课程专注于解决学生在这些高级课程中遇到的基础知识缺乏问题，帮助你在独立的课程中提升知识水平，从而更有信心地参与后续的学习。
Conoce toda el álgebra lineal de la mano de Juan Gabriel Gomila y María Santos. Asienta las bases para convertirte en el Data Scientist del futuro con todo el contenido del curso. En particular verás los mismos contenidos que explicamos en primero de carrera a matemáticos, ingenieros o informáticos como por ejemplo:Logística e instalación de R y RStudio, Anaconda Navigator para Python y Octave GNU para ingeniería.Cómo usar R, Python y Octave como si fuese una calculadora científica para complementar tu estudio día a díaIntroducción a la programación funcional, creando funciones con R, Python y Octave para resolver tus problemas del álgebra lineal y que te servirá para seguir tomando a posteriori cursos de estadística, análisis de datos, machine learning e inteligencia artificialFundamentos esenciales de matemáticas incluyendo el estudio de cuerpos, un repaso de trigonometría, el método de inducción o los números complejos entre otros.Matrices, sistemas de ecuaciones lineales, determinantes o el método de factorización LU que se utiliza en algoritmos que involucran el cálculo de matrices inversas o la resolución de sistemas de ecuaciones en redes neuronales o SVMVectores y operaciones vectoriales incluyendo combinaciones lineales, producto escalar, proyecciones ortogonales, producto vectorial y producto mixto que aparecen constantemente en el mundo de la física, la ingeniería y la programación.El mundo de los espacios vectoriales donde se ubican los datos de un análisis incluyendo el cálculo de la dimensión, la búsqueda de una base, el cambio de base o el método de ortogonalización de Gram Smith.Creación de espacios vectoriales como la suma directa, el producto o el espacio cociente.Morfismos y aplicaciones lineales para clasificar y relacionar espacios vectoriales.Diagonalización de los endomorfismos con el método de los valores y los vectores propios. Aplicación de la diagonalización a la transmisión de datos y al Machine Learning con Cadenas de Markov o ACPOptimización lineal con el método del Simplex.Repositorio Github con todo el material del curso para disponer de los mismos scripts que usamos en clase desde el minuto inicial.Una vez termines el curso podrás seguir con los mejores cursos de análisis de datos, machine learning e inteligencia aritificial publicados por Juan Gabriel Gomila como los cursos de Machine Learning o Inteligencia Artificial con Python o RStudio o el Curso de Data Science con Tidyverse y RStudio o el avanzado de TensorFlow. Todo el material del curso está enfocado en resolver los problemas de falta de base que presentan los estudiantes de esos cursos avanzados y poderlo hacer en un curso a parte te permitirá nivelar tus conocimientos y tomar los otros cursos con garantías de éxito.
