À propos de ce cours

143,681 consultations récentes

Résultats de carrière des étudiants

47%

ont commencé une nouvelle carrière après avoir terminé ce cours

44%

ont bénéficié d'un avantage concret dans leur carrières grâce à ce cours
Certificat partageable
Obtenez un Certificat lorsque vous terminez
100 % en ligne
Commencez dès maintenant et apprenez aux horaires qui vous conviennent.
Dates limites flexibles
Réinitialisez les dates limites selon votre disponibilité.
Niveau intermédiaire
Approx. 18 heures pour terminer
Anglais

Ce que vous allez apprendre

  • Implement mathematical concepts using real-world data

  • Derive PCA from a projection perspective

  • Understand how orthogonal projections work

  • Master PCA

Compétences que vous acquerrez

Dimensionality ReductionPython ProgrammingLinear Algebra

Résultats de carrière des étudiants

47%

ont commencé une nouvelle carrière après avoir terminé ce cours

44%

ont bénéficié d'un avantage concret dans leur carrières grâce à ce cours
Certificat partageable
Obtenez un Certificat lorsque vous terminez
100 % en ligne
Commencez dès maintenant et apprenez aux horaires qui vous conviennent.
Dates limites flexibles
Réinitialisez les dates limites selon votre disponibilité.
Niveau intermédiaire
Approx. 18 heures pour terminer
Anglais

Offert par

Placeholder

Imperial College London

Programme du cours : ce que vous apprendrez dans ce cours

Évaluation du contenuThumbs Up81%(5,354 notes)Info
Semaine
1

Semaine 1

5 heures pour terminer

Statistics of Datasets

5 heures pour terminer
8 vidéos (Total 27 min), 6 lectures, 4 quiz
8 vidéos
Welcome to module 141s
Mean of a dataset4 min
Variance of one-dimensional datasets4 min
Variance of higher-dimensional datasets5 min
Effect on the mean4 min
Effect on the (co)variance3 min
See you next module!27s
6 lectures
About Imperial College & the team5 min
How to be successful in this course5 min
Grading policy5 min
Additional readings & helpful references5 min
Set up Jupyter notebook environment offline10 min
Symmetric, positive definite matrices10 min
3 exercices pour s'entraîner
Mean of datasets15 min
Variance of 1D datasets15 min
Covariance matrix of a two-dimensional dataset20 min
Semaine
2

Semaine 2

5 heures pour terminer

Inner Products

5 heures pour terminer
8 vidéos (Total 36 min), 1 lecture, 5 quiz
8 vidéos
Dot product4 min
Inner product: definition5 min
Inner product: length of vectors7 min
Inner product: distances between vectors3 min
Inner product: angles and orthogonality5 min
Inner products of functions and random variables (optional)7 min
Heading for the next module!35s
1 lecture
Basis vectors20 min
4 exercices pour s'entraîner
Dot product30 min
Properties of inner products20 min
General inner products: lengths and distances30 min
Angles between vectors using a non-standard inner product30 min
Semaine
3

Semaine 3

4 heures pour terminer

Orthogonal Projections

4 heures pour terminer
6 vidéos (Total 25 min), 1 lecture, 3 quiz
6 vidéos
Projection onto 1D subspaces7 min
Example: projection onto 1D subspaces3 min
Projections onto higher-dimensional subspaces8 min
Example: projection onto a 2D subspace3 min
This was module 3!32s
1 lecture
Full derivation of the projection20 min
2 exercices pour s'entraîner
Projection onto a 1-dimensional subspace25 min
Project 3D data onto a 2D subspace1 h
Semaine
4

Semaine 4

5 heures pour terminer

Principal Component Analysis

5 heures pour terminer
10 vidéos (Total 52 min), 5 lectures, 2 quiz
10 vidéos
Problem setting and PCA objective7 min
Finding the coordinates of the projected data5 min
Reformulation of the objective10 min
Finding the basis vectors that span the principal subspace7 min
Steps of PCA4 min
PCA in high dimensions5 min
Other interpretations of PCA (optional)7 min
Summary of this module42s
This was the course on PCA56s
5 lectures
Vector spaces20 min
Orthogonal complements20 min
Multivariate chain rule20 min
Lagrange multipliers20 min
Did you like the course? Let us know!10 min
1 exercice pour s'entraîner
Chain rule practice40 min

Avis

Meilleurs avis pour MATHEMATICS FOR MACHINE LEARNING: PCA

Voir tous les avis

À propos du Spécialisation Mathématiques pour l'apprentissage automatique

Mathématiques pour l'apprentissage automatique

Foire Aux Questions

D'autres questions ? Visitez le Centre d'Aide pour les Etudiants.