Newly updated for 2024! Mathematics for Machine Learning and Data Science is a foundational online program created by DeepLearning.AI and taught by Luis Serrano. In machine learning, you apply math concepts through programming. And so, in this specialization, you’ll apply the math concepts you learn using Python programming in hands-on lab exercises. As a learner in this program, you'll need basic to intermediate Python programming skills to be successful.
Linear Algebra for Machine Learning and Data Science
Linear Algebra for Machine Learning and Data Science
Dieser Kurs ist Teil von Spezialisierung Mathematics for Machine Learning and Data Science
Dozent: Luis Serrano
132.395 bereits angemeldet
Verschaffen Sie sich einen Einblick in ein Thema und lernen Sie die Grundlagen.
4.6
(1,730 Bewertungen)
Stufe Mittel
Empfohlene Erfahrung
Flexibler Zeitplan
Ca. 34 Stunden
In Ihrem eigenen Lerntempo lernen
94%
Den meisten Lernenden gefiel dieser Kurs
Was Sie lernen werden
Represent data as vectors and matrices and identify their properties using concepts of singularity, rank, and linear independence
Apply common vector and matrix algebra operations like dot product, inverse, and determinants
Express certain types of matrix operations as linear transformation, and apply concepts of eigenvalues and eigenvectors to machine learning problems
Kompetenzen, die Sie erwerben
- Kategorie: Eigenvalues And Eigenvectors
- Kategorie: Linear Equation
- Kategorie: Determinants
- Kategorie: Machine Learning
- Kategorie: Linear Algebra
Wichtige Details
Zertifikat zur Vorlage
Zu Ihrem LinkedIn-Profil hinzufügen
Bewertungen
8 Quizzes, 1 Aufgabe
Unterrichtet in Englisch
Erfahren Sie, wie Mitarbeiter führender Unternehmen gefragte Kompetenzen erwerben.
Erweitern Sie Ihre Fachkenntnisse
Dieser Kurs ist Teil der Spezialisierung Spezialisierung Mathematics for Machine Learning and Data Science
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
Matrices are commonly used in machine learning and data science to represent data and its transformations. In this week, you will learn how matrices naturally arise from systems of equations and how certain matrix properties can be thought in terms of operations on system of equations.
Das ist alles enthalten
14 Videos8 Lektüren3 Quizzes1 App-Element2 Unbewertete Labore
In this week, you will learn how to solve a system of linear equations using the elimination method and the row echelon form. You will also learn about an important property of a matrix: the rank. The concept of the rank of a matrix is useful in computer vision for compressing images.
Das ist alles enthalten
12 Videos5 Lektüren2 Quizzes1 Programmieraufgabe1 Unbewertetes Labor
An individual instance (observation) of data is typically represented as a vector in machine learning. In this week, you will learn about properties and operations of vectors. You will also learn about linear transformations, matrix inverse, and one of the most important operations on matrices: the matrix multiplication. You will see how matrix multiplication naturally arises from composition of linear transformations. Finally, you will learn how to apply some of the properties of matrices and vectors that you have learned so far to neural networks.
Das ist alles enthalten
14 Videos3 Lektüren1 Quiz1 Aufgabe1 Programmieraufgabe3 Unbewertete Labore
In this final week, you will take a deeper look at determinants. You will learn how determinants can be geometrically interpreted as an area and how to calculate determinant of product and inverse of matrices. We conclude this course with eigenvalues and eigenvectors. Eigenvectors are used in dimensionality reduction in machine learning. You will see how eigenvectors naturally follow from the concept of eigenbases.
Das ist alles enthalten
20 Videos7 Lektüren2 Quizzes1 Programmieraufgabe1 Unbewertetes Labor
Dozent
Lehrkraftbewertungen
4.7 (591 Bewertungen)
Empfohlen, wenn Sie sich für Algorithms interessieren
Duke University
New York 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
Zeigt 3 von 1730
4.6
1.730 Bewertungen
- 5 stars
72,18 %
- 4 stars
18,73 %
- 3 stars
4,34 %
- 2 stars
2,22 %
- 1 star
2,51 %
MS
5
Geprüft am 26. Aug. 2024
PA
5
Geprüft am 27. Mai 2023
SP
5
Geprüft am 26. Juli 2023
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
This is a beginner-friendly course, aiming to teach the concepts covered with minimal background knowledge necessary. If you're familiar with the concepts of linear algebra, you'll find this course a good review for the next course in the specialization, Calculus for Machine Learning and Data Science.
Yes! We want to break down the barriers that hold people back from advancing their math skills. In this course, we flip the traditional mathematics pedagogy for teaching math, starting with the real world use-cases and working back to theory.
Most people who are good at math simply have more practice doing math, and through that, more comfort with the mindset needed to be successful. This course is the perfect place to start or advance those fundamental skills, and build the mindset required to be good at math.
Linear algebra (matrices, vectors, and their applications)