機器學習的數學基礎

基本線性代數和微積分在 NumPy、TensorFlow 和 PyTorch 中的實戰應用

報名參加課程更新 coupon code

從這 8.5 小時的課程,你會學到

  • 理解線性代數的基本原理,這是所有機器學習演算法和資料科學模型的關鍵課題
  • 使用所有三個最重要的 Python 張量程式庫來操縱張量( tensors )。NumPy、TensorFlow和PyTorch
  • 如何應用機器學習和資料科學的所有基本向量和矩陣操作
  • 用特徵向量、SVD 和 PCA 將複雜資料的維度降低到資訊量最大的元素上
  • 用簡單的技術(如消除)和先進的技術(如偽反轉)解決未知數的問題
  • 能夠更深入地掌握尖端的機器學習論文的細節

要求

  • 所有的程式碼示範都將使用 Python,因此對 Python 或其他物件導向的程式語言的經驗將有助於跟上實踐的範例
  • 熟悉中學水平的數學將使這門課更容易跟上。如果你能自如地處理量化資訊–如理解圖表和重新排列簡單的方程式–那麼你應該做好充分準備來跟上所有的數學課程。

課程說明

要成為一名優秀的資料科學家,你需要知道如何使用資料科學和機器學習程式庫和演算法,如Scikit-learn、TensorFlow和PyTorch,來解決你手頭的任何問題。

要成為一名優秀的資料科學家,你需要知道這些程式庫和演算法是如何在引擎蓋下工作的。這就是我們的《機器學習的數學基礎》的用處。

在深度學習大師 Jon Krohn 博士的帶領下,本課程提供了對數學的牢固掌握,如線性代數和微積分,這是機器學習演算法和資料科學模型的基礎。

該課程分為以下幾個部分。

  • 線性代數 資料結構
  • 張量操作
  • 矩陣屬性
  • 特徵向量和特徵值
  • 機器學習的矩陣運算
  • 矩陣的侷限性

我們已經完成了關於微積分的額外內容的拍攝(第7至10節),這些內容將在2021年春季進行編輯和上傳。到那時,機器學習的數學基礎課程可以說是完成了,但我們將繼續以最快的速度增加額外的內容–關於機率、統計、資料結構和最佳化。現在的報名包括免費、無限制地訪問所有這些未來的課程內容–總共超過25小時。

在每個章節中,你會發現大量的實踐作業、Python程式碼示範和實際練習,以使你的數學遊戲加速發展

你準備好成為一名優秀的資料科學家了嗎?在課堂上見。

目標受眾

  • 你使用高階軟體程式庫(如scikit-learn、Keras、TensorFlow)來訓練或部署機器學習演算法,現在想了解抽象的基礎知識,使你能夠擴充你的能力
  • 你是一名軟體開發人員,希望為機器學習演算法在營運系統中的部署打下堅實基礎。
  • 你是一名資料科學家,希望加強對你的專業學科的核心科目的理解
  • 你是一名資料分析師或人工智慧愛好者,希望成為一名資料科學家或資料/機器學習工程師,因此你渴望從頭開始深入瞭解你要進入的領域(你非常明智!)。

講師簡介

Dr Jon Krohn 首席資料科學家和排名第一的暢銷書作者

Jon Krohn是機器學習公司 untapt 的首席資料科學家。他撰寫了《深度學習圖解》一書,該書一經出版即成為第一暢銷書,被翻譯成六種語言。

Jon 因其引人注目的講座而聞名,他在哥倫比亞大學和紐約大學親自授課,並透過O’Reilly和SuperDataScience播客進行線上授課。

他擁有牛津大學的博士學位,自2010年以來一直在領先的學術期刊上發表機器學習方面的文章;他的論文已被引用超過一千次。

Ligency Team 幫助資料科學家獲得成功

你們好。

我們是Ligency的公關和行銷團隊。當新課程釋出時,當我們釋出新的播客、部落格、分享 cheatsheets等時,你將會聽到我們的聲音

我們在這裡幫助你保持在資料科學和技術的最尖端。

在課堂上見。

真誠的。

Ligency的真實人物

英文字幕:有

  • 想要了解如何將英文字幕自動翻譯成中文? 請參考這篇 How-To

報名參加課程更新 coupon code

Sponsored by Udemy

也許你會有興趣

找其它課程?試看看 Soft & Share 網站搜尋引擎

✍ 搜尋結果太多?可參考 Soft & Share 搜尋引擎使用技巧


幫我們個小忙!

使用 e-mail 追蹤 Soft & Share

Comments are closed.

Powered by WordPress.com.

Up ↑

%d 位部落客按了讚: