Imperial College London
Mathématiques pour l'apprentissage automatique : ACP

Offrez à votre carrière le cadeau de Coursera Plus avec $160 de réduction, facturé annuellement. Économisez aujourd’hui.

Imperial College London

Mathématiques pour l'apprentissage automatique : ACP

Marc Peter Deisenroth

Instructeur : Marc Peter Deisenroth

91 493 déjà inscrits

Inclus dans le siteCoursera Plus

Obtenez un aperçu d'un sujet et apprenez les principes fondamentaux.
4.0

(3,093 avis)

niveau Intermédiaire
Certaines connaissances prérequises
Planning flexible
Env. 20 heures
Apprenez à votre propre rythme
80%
La plupart des apprenants ont aimé ce cours
Obtenez un aperçu d'un sujet et apprenez les principes fondamentaux.
4.0

(3,093 avis)

niveau Intermédiaire
Certaines connaissances prérequises
Planning flexible
Env. 20 heures
Apprenez à votre propre rythme
80%
La plupart des apprenants ont aimé ce cours

Ce que vous apprendrez

  • Mettre en œuvre des concepts mathématiques en utilisant des données du monde réel

  • Dériver l'ACP dans une perspective de projection

  • Comprendre le fonctionnement des projections orthogonales

  • Maître APC

Compétences que vous acquerrez

  • Catégorie : Réduction de dimensionnalité
  • Catégorie : Programmation en Python
  • Catégorie : Algèbre linéaire

Détails à connaître

Obtenez un certificat professionnel

Ajouter à votre profil LinkedIn

Évaluations

11 devoirs

Enseigné en Anglais

Découvrez comment les employés des entreprises prestigieuses maîtrisent des compétences recherchées

Emplacement réservé

Élaborez votre expertise du sujet

Ce cours fait partie de la Spécialisation Mathématiques pour l'apprentissage automatique
Lorsque vous vous inscrivez à ce cours, vous êtes également inscrit(e) à cette Spécialisation.
  • Apprenez de nouveaux concepts auprès d'experts du secteur
  • Acquérez une compréhension de base d'un sujet ou d'un outil
  • Développez des compétences professionnelles avec des projets pratiques
  • Obtenez un certificat professionnel partageable
Emplacement réservé
Emplacement réservé

Obtenez un certificat professionnel

Ajoutez cette qualification à votre profil LinkedIn ou à votre CV

Partagez-le sur les réseaux sociaux et dans votre évaluation de performance

Emplacement réservé

Il y a 4 modules dans ce cours

L'analyse en composantes principales (ACP) est l'un des algorithmes de réduction de la dimensionnalité les plus importants de l'apprentissage automatique. Dans ce cours, nous posons les bases mathématiques pour dériver et comprendre l'ACP d'un point de vue géométrique. Dans ce module, nous apprenons à résumer des ensembles de données (par exemple, des images) à l'aide de statistiques de base, telles que la moyenne et la variance. Nous examinerons également les propriétés de la moyenne et de la variance lorsque nous déplaçons ou mettons à l'échelle l'ensemble de données d'origine. Nous vous fournirons l'intuition mathématique ainsi que les compétences nécessaires pour obtenir les résultats. Nous mettrons également en œuvre nos résultats dans le code (jupyter notebooks), ce qui nous permettra de mettre en pratique notre compréhension mathématique pour calculer les moyennes d'ensembles de données d'images. Par conséquent, des connaissances en python/numpy seront nécessaires pour suivre ce cours. Note : Si vous avez suivi les deux autres cours de cette spécialisation, celui-ci sera plus difficile (principalement à cause des travaux de programmation). Cependant, si vous réussissez la première semaine de ce cours, il est fort probable que vous réussissiez l'ensemble du cours.

Inclus

8 vidéos6 lectures3 devoirs1 devoir de programmation1 sujet de discussion2 laboratoires non notés1 plugin

Les données peuvent être interprétées comme des vecteurs. Les vecteurs nous permettent de parler de concepts géométriques, tels que les longueurs, les distances et les angles pour caractériser la similarité entre les vecteurs. Cela deviendra important plus tard dans le cours lorsque nous aborderons l'ACP. Dans ce module, nous introduirons et mettrons en pratique le concept de produit intérieur. Les produits intérieurs nous permettent de parler de concepts géométriques dans les espaces vectoriels. Plus précisément, nous commencerons par le produit de points (que nous connaissons peut-être depuis l'école) en tant que cas particulier de produit intérieur, puis nous évoluerons vers un concept plus général de produit intérieur, qui joue un rôle essentiel dans certains domaines de l'apprentissage automatique, tels que les machines à noyaux (cela inclut les machines à vecteurs de support et les processus gaussiens). Ce module propose de nombreux exercices pour mettre en pratique et comprendre le concept de produit intérieur.

Inclus

8 vidéos1 lecture4 devoirs1 devoir de programmation2 laboratoires non notés

Dans ce module, nous étudierons les projections orthogonales de vecteurs, qui vivent dans un espace vectoriel de haute dimension, sur des sous-espaces de dimension inférieure. Cela jouera un rôle important dans le module suivant, lorsque nous déduirons l'ACP. Nous commencerons par une motivation géométrique de ce qu'est une projection orthogonale et nous nous frayerons un chemin à travers la dérivation correspondante. Nous terminerons par une équation unique qui nous permet de projeter n'importe quel vecteur sur un sous-espace de dimension inférieure. Cependant, nous comprendrons également comment cette équation a été élaborée. Comme dans les autres modules, nous aurons à la fois une pratique papier-crayon et un petit exemple de programmation avec un notebook jupyter.

Inclus

6 vidéos1 lecture2 devoirs1 devoir de programmation1 laboratoire non noté

Nous pouvons considérer la réduction de la dimensionnalité comme un moyen de compresser les données avec une certaine perte, comme dans le cas des fichiers jpg ou mp3. L'analyse en composantes principales (ACP) est l'une des techniques de réduction de la dimensionnalité les plus fondamentales utilisées dans l'apprentissage automatique. Dans ce module, nous utilisons les résultats des trois premiers modules de ce cours et dérivons l'ACP d'un point de vue géométrique. Dans ce cours, ce module est le plus difficile, et nous passerons par une dérivation explicite de l'ACP ainsi que par des exercices de codage qui feront de nous des utilisateurs compétents de l'ACP.

Inclus

10 vidéos5 lectures2 devoirs1 devoir de programmation2 laboratoires non notés1 plugin

Instructeur

Évaluations de l’enseignant
3.9 (416 évaluations)
Marc Peter Deisenroth
Imperial College London
1 Cours91 474 apprenants

Offert par

Recommandé si vous êtes intéressé(e) par Apprentissage automatique

Pour quelles raisons les étudiants sur Coursera nous choisissent-ils pour leur carrière ?

Felipe M.
Étudiant(e) depuis 2018
’Pouvoir suivre des cours à mon rythme à été une expérience extraordinaire. Je peux apprendre chaque fois que mon emploi du temps me le permet et en fonction de mon humeur.’
Jennifer J.
Étudiant(e) depuis 2020
’J'ai directement appliqué les concepts et les compétences que j'ai appris de mes cours à un nouveau projet passionnant au travail.’
Larry W.
Étudiant(e) depuis 2021
’Lorsque j'ai besoin de cours sur des sujets que mon université ne propose pas, Coursera est l'un des meilleurs endroits où se rendre.’
Chaitanya A.
’Apprendre, ce n'est pas seulement s'améliorer dans son travail : c'est bien plus que cela. Coursera me permet d'apprendre sans limites.’

Avis des étudiants

Affichage de 3 sur 3093

4.0

3 093 avis

  • 5 stars

    51,30 %

  • 4 stars

    22,29 %

  • 3 stars

    12,68 %

  • 2 stars

    6,58 %

  • 1 star

    7,13 %

WS
5

Révisé le 6 juil. 2021

CF
5

Révisé le 19 juil. 2022

CH
5

Révisé le 27 déc. 2019

Emplacement réservé

Ouvrez de nouvelles portes avec Coursera Plus

Accès illimité à plus de 7 000 cours de renommée internationale, à des projets pratiques et à des programmes de certificats reconnus sur le marché du travail, tous inclus dans votre abonnement

Faites progresser votre carrière avec un diplôme en ligne

Obtenez un diplôme auprès d’universités de renommée mondiale - 100 % en ligne

Rejoignez plus de 3 400 entreprises mondiales qui ont choisi Coursera pour les affaires

Améliorez les compétences de vos employés pour exceller dans l’économie numérique

Foire Aux Questions