对于机器学习和数据科学的许多高级课程来说,你会发现自己需要重新学习数学基础知识--这些知识你可能以前在学校或大学里学过,但却是在另一种背景下教授的,或者不是很直观,因此你很难将其与计算机科学中的应用联系起来。本专业旨在弥合这一差距,让您快速掌握基础数学知识,建立直观的理解,并将其与机器学习和数据科学联系起来。
在线性代数的第一门课程中,我们将了解什么是线性代数以及它与数据的关系。然后,我们将了解什么是向量和矩阵,以及如何使用它们。
第二门课程 "多元微积分 "将在此基础上探讨如何优化拟合函数以获得良好的数据拟合。它从微积分入门开始,然后使用第一门课程中的矩阵和向量来研究数据拟合。
第三门课程 "主成分分析降维 "使用前两门课程中的数学知识来压缩高维数据。本课程难度中等,需要掌握 Python 和 numpy 知识。
在本专业结束时,您将获得继续学习机器学习高级课程的先决数学知识。
应用的学习项目
通过本专业的作业,您将利用所学到的技能在交互式笔记本上使用 Python 制作小型项目,这种简单易学的工具将帮助您将知识应用到实际问题中。例如,使用线性代数来计算一个小型模拟互联网的页面排名;应用多元微积分来训练自己的神经网络;执行非线性最小二乘回归来拟合数据集模型;以及使用主成分分析来确定 MNIST 数字数据集的特征。