2024 年最新更新!机器学习和数据科学数学》(Mathematics for Machine Learning and Data Science)是由 DeepLearning.AI 创建、路易斯-塞拉诺(Luis Serrano)教授的基础性在线课程。在 Machine Learning 中,你通过编程应用数学概念。因此,在本专业中,您将在动手实验练习中使用 Python 编程应用所学的数学概念。作为本专业的学习者,您需要具备基本到中级 Python 编程技能才能取得成功。
许多 Machine Learning 工程师和数据科学家都需要数学方面的帮助,即使是经验丰富的从业人员也会因为缺乏数学技能而感到裹足不前。本专业采用数学方面的创新教学法,帮助您快速、直观地学习,课程采用简单易懂的可视化方式,帮助您了解机器学习背后的数学是如何实际运作的。
我们建议您具备高中数学水平(函数、基础代数)并熟悉编程(数据结构、Loop、函数、条件语句、Debugging)。作业和实验都是用 Python 编写的,但课程介绍了您将用到的所有机器学习库。
应用的学习项目
完成本专业课程后,您将能够
用 Vector 和 Matrix 表示数据,并识别它们的奇异性、秩和线性独立性等属性
应用常见的向量和矩阵代数运算,如点积、逆和行列式
用线性变换表达 Matrix 运算
将特征值和特征向量的概念应用于机器学习问题,包括主成分分析 (PCA)
优化机器学习中常用的各类函数
在具有不同激活和代价函数的 Neural Network 中执行梯度下降算法
识别常用概率分布的 Feature
执行探索性数据分析,以发现、 Validation 和量化数据集中的模式
使用置信区间、误差范围、P-value 和假设检验来量化 Machine Learning 模型所做预测的不确定性。
应用 MLE 和 MAP 等常用统计方法