Contents
學習機器學習的核心數學概念,學習如何在 R 和 Python 中實現它們
從這 4.5 小時的課程,你會學到
- 更新人工智慧和機器學習的數學概念
- 學習在 python 中實現演算法
- 瞭解這些概念如何擴展到真實世界中的機器學習問題
要求
- 假設有 python 基本知識是因為課程中的概念是用 python 和 R 編寫的
課程說明
人工智慧在過去十年中變得越來越重要,很大程度上取決於人工智慧在我們日常生活中的發展和整合。 人工智慧已經取得了令人震驚的進步,包括自動駕駛汽車,醫學診斷,甚至在像圍棋和國際象棋這樣的策略遊戲上擊敗人類。
未來的人工智慧是非常有前途的,離我們不會太遠當我們有自己的機器人夥伴。 這促使許多開發者開始編寫程式碼並開始開發人工智慧和機器學習程式。 然而,為人工智慧和機器學習編寫演算法並不容易,需要廣泛的程式設計和數學知識。
數學起著重要作用,因為它為這兩個潮流的程式設計奠定了基礎。 在這個課程中,我們已經完全涵蓋了這一點。 我們設計了一個完整的課程,幫助你掌握編寫人工智慧和機器學習的程式和演算法所需的數學基礎。
這門課程是與業界專家合作設計的,目的是幫助你將人們難以理解的數學概念分解成更容易理解的概念。 這門課程涵蓋了三種主要的數學理論: 線性代數、多元微積分和機率理論。
機器學習中使用線性代數符號來描述不同機器學習演算法的引數和結構。 這使得線性代數成為了解神經網路如何組合以及如何操作的必要條件。
它涉及的主題包括:
- 標量(Scalars),向量,矩陣,張量
- 矩陣規範
- 特殊矩陣和向量
- 特徵向量
- 多元微積分(Multivariate Calculus)-這是用來補充機器學習的學習部分。 它是用來從範例中學習,更新不同模型的參數並提高效能。
它涉及的主題包括:
- 微分
- 積分
- 斜率
- 差分操作元
- 凸面的(Convex)優化
機率論——當我們設計這些深度學習或人工智慧演算法時,這些理論被用來對潛在的資料進行假設。 對於我們來說,瞭解機率分佈的關鍵是很重要的,我們將在本課程中深入論述。
它涉及的主題包括:
- 機率的要素
- 隨機變數
- 分佈
- 方差和期望值
- 特殊的隨機變數
課程還包括每個部分之後的專案和測驗,以幫助鞏固你對這個主題的認識,並且確切地學習如何在現實生活中使用這些概念。
在本課程結束時,你將不僅擁有建構自己的演算法的知識,還有在下一個專案中使用你的演算法的自信。
現在就註冊併成為下一個擁有這個基礎課程的人工智慧專家!
目標受眾
- 任何想要刷新或學習人工智慧和機器學習所需要的數學工具的人將發現這個課程非常有用
講師簡介
Eduonix Learning Solutions 全世界已有百萬以上學生 | 200+ 課程
Eduonix 製作發佈高品質的技術培訓內容。 我們的行業專業團隊已做過十多年的人力培訓。 我們的目標是在傳授於產業中使用的專業領域技術。 我們擁有專業的培訓師團隊,致力於從行動、Web 到企業、資料庫和伺服器管理等技術。
英文字幕:無
- 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
- 點選這個 Network & Security 課程✨優惠連結✨ ( NT390 起特價中 ) | 新客戶✨ 優惠連結 ✨| Udemy 永久擁有課程 ( 在電腦瀏覽器登入,點選“優惠連結”後再回想要的課程介紹中點選“報名參加課程”即可取得 )
- Udemy 現在越來越多課程有中文字幕,請參考 Soft & Share 中文線上課程
- 手機上點選優惠連結看到的價格比電腦上看到的貴
- $代表當地貨幣, 如在台灣為 NT
- 點選”報名參加課程”有可能因瀏覽器 cookies 轉久一點或回報錯誤而無法連上,請稍等刷新或重新點選就會出現
報名參加課程

也許你會有興趣
- 機器學習實踐 – 6個應用程式實戰
- 更多資料科學與機器學習相關線上課程介紹
- ★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!
- 從 Soft & Share 各種社團頻道挑選你喜歡的加入
發表迴響