機械学習の専門化のための数学

説明

機械学習とデータサイエンスの多くの高レベルのコースでは、数学の基礎を新たにする必要があることに気づきます。これは、学校や大学で以前に学習したことがあるが、別のコンテキストで教えられていたり、あまり直感的ではなかったりしたものです。、それをコンピュータサイエンスでの使用方法と関連付けるのに苦労します。この専門分野は、そのギャップを埋め、基礎となる数学をすばやく習得し、直感的な理解を構築し、それを機械学習とデータサイエンスに関連付けることを目的としています。

線形代数の最初のコースでは、線形代数とは何か、それがデータにどのように関係するかを見ていきます。次に、ベクトルと行列とは何か、それらをどのように使用するかを調べます。

XNUMX番目のコースである多変量計算では、これに基づいて、フィット関数を最適化してデータに適切にフィットさせる方法を調べます。入門的な計算から始まり、最初のコースの行列とベクトルを使用してデータフィッティングを調べます。

XNUMX番目のコースである主成分分析による次元削減では、最初のXNUMXつのコースの数学を使用して高次元データを圧縮します。このコースは中程度の難易度で、Pythonとnumpyの知識が必要です。

この専門分野の終わりに、あなたはあなたの旅を続け、機械学習のより高度なコースを受講するために必要な数学的知識を得ました。