Mathematical Matrix Methods lie at the root of most methods of machine learning and data analysis of tabular data. Learn the basics of Matrix Methods, including matrix-matrix multiplication, solving linear equations, orthogonality, and best least squares approximation. Discover the Singular Value Decomposition that plays a fundamental role in dimensionality reduction, Principal Component Analysis, and noise reduction. Optional examples using Python are used to illustrate the concepts and allow the learner to experiment with the algorithms.
proposé par
Université du Minnesota
À propos de ce cours
4,539 consultations récentes
Les étudiants prenant part à ce Course sont
- Machine Learning Engineers
- Researchers
- Data Scientists
- Data Analysts
- Teachers
Programme du cours : ce que vous apprendrez dans ce cours
Semaine
11 heure pour terminer
Matrices as Mathematical Objects
3 vidéos (Total 11 min), 2 lectures, 3 quiz
3 vidéos
Matrix: Tabular Data3 min
Matrix Multiplication5 min
Supplement: Matrices in Python/Numpy2 min
2 lectures
Vector and Matrix operations30 min
Matrix Multiplication10 min
3 exercices pour s'entraîner
Matrix8 min
Linear combinations
Matrix Combinations
Semaine
21 heure pour terminer
Matrix Multiplication and other Operations
3 vidéos (Total 14 min), 2 lectures, 3 quiz
3 vidéos
Matrix Transpose5 min
Supplement: Matrix Transpose in Python4 min
2 lectures
Matrix Arithmetic10 min
Matrix Transpose10 min
3 exercices pour s'entraîner
Matrix Operations4 min
Matrix Transpose4 min
Matrix Multiplication and Other Operations
Semaine
31 heure pour terminer
Systems of Linear Equations
4 vidéos (Total 15 min), 3 lectures, 4 quiz
4 vidéos
Solution of Linear Equations via Elimination2 min
LU Decomposition: Matrix is a Product of Simple Matrices5 min
Supplement: Solve Linear Equations in Python2 min
3 lectures
Systems of Linear Equations10 min
Gaussian Elimination Algorithm10 min
LU Decomposition10 min
4 exercices pour s'entraîner
Systems of Linear Equations
Solution of Linear Equations via Elimination
LU Decomposition
Systems of linear equations
Semaine
41 heure pour terminer
Linear Least Squares
4 vidéos (Total 16 min), 2 lectures, 5 quiz
4 vidéos
Linear Least Squares: Best Approximation3 min
Least Distance -> Orthogonality -> Normal Equations4 min
Example: Approximate Curve Fitting4 min
2 lectures
Orthogonality and the Inner Product10 min
Linear Least Squares10 min
5 exercices pour s'entraîner
Orthogonality and Inner Product
Linear Least Squares
Normal equations4 min
Approximate Curve Fitting4 min
Linear Least Squares
Enseignant
Daniel Boley
ProfessorComputer Science and Engineering
À propos de Université du Minnesota
The University of Minnesota is among the largest public research universities in the country, offering undergraduate, graduate, and professional students a multitude of opportunities for study and research. Located at the heart of one of the nation’s most vibrant, diverse metropolitan communities, students on the campuses in Minneapolis and St. Paul benefit from extensive partnerships with world-renowned health centers, international corporations, government agencies, and arts, nonprofit, and public service organizations.
Foire Aux Questions
Quand aurai-je accès aux vidéos de cours et aux devoirs ?
Une fois que vous êtes inscrit(e) pour un Certificat, vous pouvez accéder à toutes les vidéos de cours, et à tous les quiz et exercices de programmation (le cas échéant). Vous pouvez soumettre des devoirs à examiner par vos pairs et en examiner vous-même uniquement après le début de votre session. Si vous préférez explorer le cours sans l'acheter, vous ne serez peut-être pas en mesure d'accéder à certains devoirs.
À quoi ai-je droit si j'achète le Certificat ?
Lorsque vous achetez un Certificat, vous bénéficiez d'un accès à tout le contenu du cours, y compris les devoirs notés. Lorsque vous avez terminé et réussi le cours, votre Certificat électronique est ajouté à votre page Accomplissements. À partir de cette page, vous pouvez imprimer votre Certificat ou l'ajouter à votre profil LinkedIn. Si vous souhaitez seulement lire et visualiser le contenu du cours, vous pouvez accéder gratuitement au cours en tant qu'auditeur libre.
Quelle est la politique de remboursement ?
Une aide financière est-elle possible ?
D'autres questions ? Visitez le Centre d'Aide pour les Etudiants.