本课程是系列课程的第一课，专为想要学习如何将基本数据科学概念应用于实际问题的初学者而设计。您可能是正在考虑从事数据科学工作并希望了解更多信息的学生，也可能是希望在工作中应用一些数据科学原理的商业专业人士。或者，您可能只是一个好奇的终身学习者，对数据科学和数学提供的强大工具充满兴趣。无论您的动机如何，我们都将为您提供入门所需的支持和信息。
线性代数和 Python 简介
线性代数和 Python 简介
本课程是 使用 Python 的数据科学线性代数 专项课程 的一部分
位教师：Dennis Davenport
访问权限由 Coursera Learning Team 提供
5,326 人已注册
要了解的详细信息
了解顶级公司的员工如何掌握热门技能
积累特定领域的专业知识
本课程是 使用 Python 的数据科学线性代数 专项课程 专项课程的一部分
在注册此课程时，您还会同时注册此专项课程。
- 向行业专家学习新概念
- 获得对主题或工具的基础理解
- 通过实践项目培养工作相关技能
- 获得可共享的职业证书
该课程共有4个模块
在模块 1 中，您将学习如何解释线性代数的基本概念，以及如何使用 Python（最强大的编程语言之一）为不同数据建模。我们将涵盖以下学习目标。
涵盖的内容
15个视频6篇阅读材料3个作业2个讨论话题
让我们回顾一下！在模块 1 中，您进行了软件安装，学习了一些最佳实践，并了解了如何使用图形在 Python 中建立数据模型。在模块 2 中，您将获得使用线性代数解决数据科学问题所需的知识。您还将使用 Python 在大型数据集上执行矩阵代数。我们将涵盖以下学习目标。
涵盖的内容
7个视频1篇阅读材料3个作业1个讨论话题
让我们回顾一下！在模块 2 中，你学习了如何使用线性代数来解决数据科学问题。你还学会了如何使用 Python 在大型数据集上执行矩阵代数。在模块 3 中，您将学习如何定义向量方程并使用向量方程建立数据模型。我们将涵盖以下学习目标。
涵盖的内容
7个视频3个作业1个讨论话题
欢迎来到本课程的最后一个模块！在过去的 3 个模块中，您已经了解并掌握了以下主题的知识：版本控制 - Git Bash、通过 Anaconda 的 Jupyter Notebook、NumPy 和 SymPy 以及其他软件工具、数据建模、矩阵代数和矢量方程。在课程的最后一个模块，您将把所学知识应用到具体的实际例子中。您将练习使用向量方程研究数据集，并提供同行评议。我们将涵盖以下学习目标。
涵盖的内容
4个视频1篇阅读材料1个作业1次同伴评审
获得职业证书
将此证书添加到您的 LinkedIn 个人资料、简历或履历中。在社交媒体和绩效考核中分享。
人们为什么选择 Coursera 来帮助自己实现职业发展
Felipe M.
自 2018开始学习的学生
''能够按照自己的速度和节奏学习课程是一次很棒的经历。只要符合自己的时间表和心情，我就可以学习。'
Jennifer J.
自 2020开始学习的学生
''我直接将从课程中学到的概念和技能应用到一个令人兴奋的新工作项目中。'
Larry W.
自 2021开始学习的学生
''如果我的大学不提供我需要的主题课程，Coursera 便是最好的去处之一。'
Chaitanya A.
''学习不仅仅是在工作中做的更好：它远不止于此。Coursera 让我无限制地学习。'
从 计算机科学 浏览更多内容
Simplilearn
University of Pittsburgh
Imperial College London
Johns Hopkins University
¹ 本课程的部分作业采用 AI 评分。对于这些作业，将根据 Coursera 隐私声明使用您的数据。