Contents
基本線性代數和微積分在 NumPy、TensorFlow 和 PyTorch 中的實戰應用
從這 16.5 小時的課程，你會學到
- 了解線性代數和微積分的基礎知識，這是所有機器學習和數據科學的關鍵數學科目
- 使用所有三個最重要的 Python 張量庫來操作張量：NumPy、TensorFlow 和 PyTorch
- 如何將所有基本的向量和矩陣運算應用於機器學習和資料科學
- 使用特徵向量( eigenvectors )、SVD 和 PCA 將複雜資料的維度降低到資料量最大的元素
- 使用簡單技術（例如消除）和高級技術（例如偽反演）求解未知數
- 通過 Python 中的互動式程式碼演示，從第一原理開始，欣賞微積分的工作原理
- 深入了解鍊式法則( chain rule )等高級微分法則
- 手動運用 TensorFlow 和 PyTorch 計算機器學習成本函數的偏導數
- 準確掌握梯度是什麼，並理解為什麼它們對於通過梯度下降啟用 ML 至關重要
- 使用積分來確定任何給定曲線下的面積
- 能夠更貼心地掌握尖端機器學習論文的細節
- 了解機器學習演算法背後發生的事情，包括那些用於深度學習的演算法
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
數學是資料科學和機器學習的核心。 因此，要成為最好的資料科學家，你必須對最相關的數學有實際的理解。
藉助 Scikit-learn 和 Keras 等高級程式庫，資料科學入門很容易。 但是，了解這些程式庫中演算法背後的數學運算提供你無限的可能性。 從識別建模問題到發明新的更強大的解決方案，了解其背後的數學可以顯著增加你在職業生涯中的影響力。
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
- 衍生物和微分
- 自動微分
- 偏導數
- 積分學
在每個部分中，你都會發現大量動手作業、Python 程式碼演示和實踐練習，讓你的數學遊戲達到最佳狀態！
這門機器學習的數學基礎課程已經完成，但在未來，我們打算增加數學以外的相關學科的獎勵內容，即：機率、統計、資料結構、演算法和優化。 現在註冊包括免費、無限制地訪問所有這些未來的課程內容——總共超過 25 小時。
你準備好成為一名傑出的資料科學家了嗎？ 教室見。
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
使用 Notion 來做上課筆記?
如果你有使用或是想用 Notion 來做線上課程筆記，我們有開發一個 chrome extension – LN+ for udemy ，可以將這門線上課程的課程大綱幫你自動建立成 Notion 筆記資料庫，並產生筆記與課程的雙向關聯
LN+ for udemy 免費版有內建一系列課程( 免費與付費課程 )，可以先永久免費體驗後再決定是否升級成正式版
想了解 LN+ 的產品開發理念可以參考這篇文章說明 ，
報名參加課程
🛫使用關鍵字連結獲得更多線上學習資訊?請參考這個網頁說明
也許你會有興趣
- 機器學習( Machine Learning )學習地圖
- ★英語學習地圖 – 練好英文是最大的學習槓桿
- 如何找工作學習地圖 – 找工作不要靠運氣！