Imperial College London
Mathematik für maschinelles Lernen: Lineare Algebra

Schenken Sie Ihrer Karriere Coursera Plus mit einem Rabatt von $160 , der jährlich abgerechnet wird. Sparen Sie heute.

Imperial College London

Mathematik für maschinelles Lernen: Lineare Algebra

David Dye
Samuel J. Cooper
A. Freddie Page

Dozenten: David Dye

396.484 bereits angemeldet

Bei Coursera Plus enthalten

Verschaffen Sie sich einen Einblick in ein Thema und lernen Sie die Grundlagen.
4.7

(12,186 Bewertungen)

Stufe Anfänger
Keine Vorkenntnisse erforderlich
Flexibler Zeitplan
Ca. 18 Stunden
In Ihrem eigenen Lerntempo lernen
91%
Den meisten Lernenden gefiel dieser Kurs
Verschaffen Sie sich einen Einblick in ein Thema und lernen Sie die Grundlagen.
4.7

(12,186 Bewertungen)

Stufe Anfänger
Keine Vorkenntnisse erforderlich
Flexibler Zeitplan
Ca. 18 Stunden
In Ihrem eigenen Lerntempo lernen
91%
Den meisten Lernenden gefiel dieser Kurs

Kompetenzen, die Sie erwerben

  • Kategorie: Eigenwerte und Eigenvektoren
  • Kategorie: Basis (Lineare Algebra)
  • Kategorie: Transformations-Matrix
  • Kategorie: Lineare Algebra

Wichtige Details

Zertifikat zur Vorlage

Zu Ihrem LinkedIn-Profil hinzufügen

Bewertungen

15 Aufgaben

Unterrichtet in Englisch

Erfahren Sie, wie Mitarbeiter führender Unternehmen gefragte Kompetenzen erwerben.

Platzhalter

Erweitern Sie Ihre Fachkenntnisse

Dieser Kurs ist Teil der Spezialisierung Spezialisierung Mathematik für maschinelles Lernen
Wenn Sie sich für diesen Kurs anmelden, werden Sie auch für diese Spezialisierung angemeldet.
  • Lernen Sie neue Konzepte von Branchenexperten
  • Gewinnen Sie ein Grundverständnis bestimmter Themen oder Tools
  • Erwerben Sie berufsrelevante Kompetenzen durch praktische Projekte
  • Erwerben Sie ein Berufszertifikat zur Vorlage
Platzhalter
Platzhalter

Erwerben Sie ein Karrierezertifikat.

Fügen Sie diese Qualifikation zur Ihrem LinkedIn-Profil oder Ihrem Lebenslauf hinzu.

Teilen Sie es in den sozialen Medien und in Ihrer Leistungsbeurteilung.

Platzhalter

In diesem Kurs gibt es 5 Module

In diesem ersten Modul sehen wir uns an, inwiefern lineare Algebra für maschinelles Lernen und Data Science relevant ist. Dann schließen wir das Modul mit einer ersten Einführung in Vektoren ab. Wir konzentrieren uns dabei auf die Entwicklung Ihrer mathematischen Intuition und nicht auf das Durcharbeiten von Algebra oder das Ausarbeiten langer Beispiele mit Stift und Papier. Für viele dieser Operationen gibt es in Python aufrufbare Funktionen, die das Addieren übernehmen können - es geht darum, zu verstehen, was sie tun und wie sie funktionieren, damit Sie, wenn etwas schief läuft oder es Sonderfälle gibt, verstehen können, warum und was zu tun ist.

Das ist alles enthalten

5 Videos4 Lektüren3 Aufgaben1 Diskussionsthema1 Plug-in

In diesem Modul sehen wir uns die Operationen an, die wir mit Vektoren durchführen können - die Bestimmung des Moduls (Größe), des Winkels zwischen Vektoren (Punkt oder inneres Produkt) und die Projektion eines Vektors auf einen anderen. Wir können dann untersuchen, wie die Einträge, die einen Vektor beschreiben, davon abhängen, welche Vektoren wir zur Definition der Achsen - der Basis - verwenden. So können wir feststellen, ob ein vorgeschlagener Satz von Basisvektoren "linear unabhängig" ist Damit ist die Untersuchung der Vektoren abgeschlossen, so dass wir in Modul 3 zu den Matrizen übergehen und damit beginnen können, Probleme der linearen Algebra zu lösen.

Das ist alles enthalten

8 Videos4 Aufgaben

Nachdem wir uns nun mit Vektoren befasst haben, können wir uns den Matrizen zuwenden. Zunächst sehen wir uns an, wie man Matrizen als Werkzeuge zur Lösung von Problemen der linearen Algebra und als Objekte zur Transformation von Vektoren verwendet. Dann sehen wir uns an, wie man lineare Gleichungssysteme mit Hilfe von Matrizen löst, was uns dann dazu bringt, uns mit inversen Matrizen und Determinanten zu befassen und darüber nachzudenken, was die Determinante eigentlich ist, intuitiv gesprochen. Schließlich werden wir uns mit speziellen Matrizen befassen, bei denen die Determinante Null ist oder die Matrix nicht invertierbar ist - Fälle, in denen Algorithmen, die eine Matrix invertieren müssen, fehlschlagen.

Das ist alles enthalten

8 Videos2 Aufgaben1 Programmieraufgabe1 Unbewertetes Labor

In Modul 4 setzen wir unsere Diskussion über Matrizen fort. Zunächst denken wir darüber nach, wie man die Matrixmultiplikation und Matrixoperationen mit Hilfe der Einstein-Summenkonvention kodiert, einer in fortgeschritteneren Kursen der linearen Algebra weit verbreiteten Notation. Dann sehen wir uns an, wie Matrizen die Beschreibung eines Vektors von einer Basis (Achsensatz) in eine andere transformieren können. So können wir zum Beispiel herausfinden, wie man eine Spiegelung auf ein Bild anwendet und Bilder manipuliert. Wir werden uns auch ansehen, wie man eine geeignete Basisvektormenge konstruiert, um solche Transformationen durchzuführen. Dann werden wir einen Code schreiben, um diese Transformationen durchzuführen und diese Arbeit rechnerisch anzuwenden.

Das ist alles enthalten

6 Videos2 Aufgaben2 Programmieraufgaben2 Unbewertete Labore

Eigenvektoren sind bestimmte Vektoren, die durch eine Transformationsmatrix nicht gedreht werden, und Eigenwerte sind der Betrag, um den die Eigenvektoren gestreckt werden. Diese speziellen "Eigen-Dinge" sind in der linearen Algebra sehr nützlich und werden uns ermöglichen, Googles berühmten PageRank-Algorithmus zur Darstellung von Suchergebnissen im Internet zu untersuchen. Zum Abschluss des Kurses werden wir diesen Algorithmus im Code anwenden.

Das ist alles enthalten

9 Videos1 Lektüre4 Aufgaben1 Programmieraufgabe1 Unbewertetes Labor2 Plug-ins

Dozenten

Lehrkraftbewertungen
4.7 (2,175 Bewertungen)
David Dye
Imperial College London
2 Kurse422.793 Lernende
Samuel J. Cooper
Imperial College London
2 Kurse422.793 Lernende

von

Empfohlen, wenn Sie sich für Maschinelles Lernen interessieren

Warum entscheiden sich Menschen für Coursera für ihre Karriere?

Felipe M.
Lernender seit 2018
„Es ist eine großartige Erfahrung, in meinem eigenen Tempo zu lernen. Ich kann lernen, wenn ich Zeit und Nerven dazu habe.“
Jennifer J.
Lernender seit 2020
„Bei einem spannenden neuen Projekt konnte ich die neuen Kenntnisse und Kompetenzen aus den Kursen direkt bei der Arbeit anwenden.“
Larry W.
Lernender seit 2021
„Wenn mir Kurse zu Themen fehlen, die meine Universität nicht anbietet, ist Coursera mit die beste Alternative.“
Chaitanya A.
„Man lernt nicht nur, um bei der Arbeit besser zu werden. Es geht noch um viel mehr. Bei Coursera kann ich ohne Grenzen lernen.“

Bewertungen von Lernenden

Zeigt 3 von 12186

4.7

12.186 Bewertungen

  • 5 stars

    74,60 %

  • 4 stars

    19,63 %

  • 3 stars

    3,46 %

  • 2 stars

    1,17 %

  • 1 star

    1,12 %

TS
5

Geprüft am 28. Juni 2019

LK
5

Geprüft am 26. Okt. 2023

NS
5

Geprüft am 22. Dez. 2018

Platzhalter

Neue Karrieremöglichkeiten mit Coursera Plus

Unbegrenzter Zugang zu über 7.000 erstklassigen Kursen, praktischen Projekten und Zertifikatsprogrammen, die Sie auf den Beruf vorbereiten – alles in Ihrem Abonnement enthalten

Bringen Sie Ihre Karriere mit einem Online-Abschluss voran.

Erwerben Sie einen Abschluss von erstklassigen Universitäten – 100 % online

Schließen Sie sich mehr als 3.400 Unternehmen in aller Welt an, die sich für Coursera for Business entschieden haben.

Schulen Sie Ihre Mitarbeiter*innen, um sich in der digitalen Wirtschaft zu behaupten.

Häufig gestellte Fragen