Neu aktualisiert für 2024! Mathematik für maschinelles Lernen und Datenwissenschaft ist ein grundlegendes Online-Programm, das von DeepLearning.AI erstellt und von Luis Serrano unterrichtet wird. Beim maschinellen Lernen wenden Sie mathematische Konzepte durch Programmierung an. In dieser Spezialisierung werden Sie die mathematischen Konzepte, die Sie mit Hilfe der Python-Programmierung erlernen, in praktischen Laborübungen anwenden. Nach Abschluss dieses Kurses werden Sie in der Lage sein: - Daten als Vektoren und Matrizen darzustellen und deren Eigenschaften mit Hilfe von Konzepten wie Singularität, Rang und linearer Unabhängigkeit usw. zu bestimmen.
Lineare Algebra für maschinelles Lernen und Datenwissenschaft
Lineare Algebra für maschinelles Lernen und Datenwissenschaft
Dieser Kurs ist Teil von Spezialisierung Mathematik für maschinelles Lernen und Datenwissenschaft
Dozent: Luis Serrano
139.441 bereits angemeldet
Verschaffen Sie sich einen Einblick in ein Thema und lernen Sie die Grundlagen.
4.6
(1,783 Bewertungen)
Stufe Mittel
Empfohlene Erfahrung
Flexibler Zeitplan
Ca. 34 Stunden
In Ihrem eigenen Lerntempo lernen
94%
Den meisten Lernenden hat dieser Kurs gefallen
Was Sie lernen werden
Daten als Vektoren und Matrizen darstellen und ihre Eigenschaften mithilfe der Konzepte Singularität, Rang und lineare Unabhängigkeit identifizieren
Anwendung gängiger Vektor- und Matrixalgebra-Operationen wie Punktprodukt, Umkehrung und Determinanten
Bestimmte Arten von Matrixoperationen als lineare Transformation ausdrücken und Konzepte von Eigenwerten und Eigenvektoren auf Probleme des maschinellen Lernens anwenden
Kompetenzen, die Sie erwerben
- Kategorie: Eigenwerte und Eigenvektoren
- Kategorie: Lineare Gleichung
- Kategorie: Determinanten
- Kategorie: Maschinelles Lernen
- Kategorie: Lineare Algebra
Wichtige Details
Zertifikat zur Vorlage
Zu Ihrem LinkedIn-Profil hinzufügen
Bewertungen
9 Aufgaben
Unterrichtet in Englisch
Erfahren Sie, wie Mitarbeiter führender Unternehmen gefragte Kompetenzen erwerben.
Erweitern Sie Ihre Fachkenntnisse
Dieser Kurs ist Teil der Spezialisierung Spezialisierung Mathematik für maschinelles Lernen und Datenwissenschaft
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
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.
In diesem Kurs gibt es 4 Module
Matrizen werden beim maschinellen Lernen und in der Datenwissenschaft häufig verwendet, um Daten und ihre Transformationen darzustellen. In dieser Woche werden Sie lernen, wie Matrizen auf natürliche Weise aus Gleichungssystemen entstehen und wie bestimmte Matrixeigenschaften als Operationen auf Gleichungssystemen betrachtet werden können.
Das ist alles enthalten
14 Videos8 Lektüren3 Aufgaben1 App-Element2 Unbewertete Labore
In dieser Woche lernen Sie, wie Sie ein System linearer Gleichungen mit Hilfe der Eliminationsmethode und der Zeilen-Echelon-Form lösen können. Sie werden auch eine wichtige Eigenschaft einer Matrix kennenlernen: den Rang. Das Konzept des Rangs einer Matrix ist in der Computer Vision nützlich, um Bilder zu komprimieren.
Das ist alles enthalten
12 Videos5 Lektüren2 Aufgaben1 Programmieraufgabe1 Unbewertetes Labor
Eine einzelne Instanz (Beobachtung) von Daten wird beim maschinellen Lernen in der Regel als Vektor dargestellt. In dieser Woche werden Sie die Eigenschaften und Operationen von Vektoren kennenlernen. Sie werden auch etwas über lineare Transformationen, die Matrixinversion und eine der wichtigsten Operationen mit Matrizen lernen: die Matrixmultiplikation. Sie werden sehen, wie die Matrixmultiplikation auf natürliche Weise aus der Komposition von linearen Transformationen entsteht. Schließlich werden Sie lernen, wie Sie einige der Eigenschaften von Matrizen und Vektoren, die Sie bisher gelernt haben, auf neuronale Netzwerke anwenden können.
Das ist alles enthalten
14 Videos3 Lektüren2 Aufgaben1 Programmieraufgabe3 Unbewertete Labore
In dieser letzten Woche werden Sie einen tieferen Blick auf Determinanten werfen. Sie werden lernen, wie Determinanten geometrisch als Fläche interpretiert werden können und wie man die Determinante des Produkts und die Umkehrung von Matrizen berechnet. Wir schließen diesen Kurs mit Eigenwerten und Eigenvektoren ab. Eigenvektoren werden bei der Dimensionalitätsreduktion im maschinellen Lernen verwendet. Sie werden sehen, wie sich Eigenvektoren ganz natürlich aus dem Konzept der Eigenbasen ergeben.
Das ist alles enthalten
20 Videos7 Lektüren2 Aufgaben1 Programmieraufgabe1 Unbewertetes Labor
Dozent
Lehrkraftbewertungen
4.7 (603 Bewertungen)
Empfohlen, wenn Sie sich für Algorithmen interessieren
Alberta Machine Intelligence Institute
The University of Chicago
Johns Hopkins University
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
4.6
1.783 Bewertungen
- 5 stars
72,46 %
- 4 stars
18,33 %
- 3 stars
4,32 %
- 2 stars
2,21 %
- 1 star
2,65 %
Zeigt 3 von 1783 an
NA
5
Geprüft am 17. Juni 2023
Very visual and application oriented and gives the context for machine learning and where linAL is applied in PCA and neural networks. The structure is really byte sized and fun to work with.
PA
5
Geprüft am 27. Mai 2023
Best Visual Explanation, I've got new thinking of the same things which I had learned in the Past. It great Course Thanks for making Such Amazing Content.
SP
5
Geprüft am 26. Juli 2023
This course is truly exceptional for individuals eager to strengthen their grasp of Linear Algebra concepts, paving the way for a deeper understanding of machine learning and data science.
Neue Karrieremöglichkeiten mit Coursera Plus
Unbegrenzter Zugang zu 10,000+ Weltklasse-Kursen, praktischen Projekten und berufsqualifizierenden Zertifikatsprogrammen - 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
Dies ist ein anfängerfreundlicher Kurs, der darauf abzielt, die behandelten Konzepte mit minimalem Hintergrundwissen zu vermitteln. Wenn Sie mit den Konzepten der linearen Algebra vertraut sind, ist dieser Kurs eine gute Wiederholung für den nächsten Kurs der Spezialisierung, Calculus for Machine Learning and Data Science.
Ja! Wir wollen die Barrieren abbauen, die Menschen davon abhalten, ihre mathematischen Fähigkeiten zu verbessern. In diesem Kurs stellen wir die traditionelle Pädagogik für den Mathematikunterricht auf den Kopf, indem wir mit Anwendungsfällen aus der realen Welt beginnen und uns zur Theorie zurückarbeiten.
Die meisten Menschen, die gut in Mathematik sind, haben einfach mehr Übung im Umgang mit Mathematik und dadurch mehr Sicherheit in der Denkweise, die man braucht, um erfolgreich zu sein. Dieser Kurs ist der perfekte Ort, um mit diesen grundlegenden Fähigkeiten zu beginnen oder sie zu verbessern und die Denkweise zu entwickeln, die erforderlich ist, um in Mathematik gut zu sein.
Lineare Algebra (Matrizen, Vektoren und ihre Anwendungen)