Математика для машинного обучения - часть 1 - Линейная алгебра

Курс по линейной алгебре — математической основе, без которой невозможно серьёзно заниматься машинным обучением. Мы разберём матрицы, системы уравнений, векторные пространства и линейные отображения: именно на этих понятиях построены модели, работающие с данными.
Средний уровень
Сертификат Stepik

Чему вы научитесь

  • Решать системы линейных уравнений методом Гаусса и понимать, когда у системы есть решение.
  • Выполнять операции с матрицами: сложение, умножение, транспонирование, находить определитель и обратную матрицу.
  • Проверять векторы на линейную независимость, находить базис и размерность подпространства.
  • Вычислять ранг матрицы и применять теорему о ранге и дефекте.
  • Находить ядро и образ линейного отображения, заданного матрицей.
  • Строить матрицу линейного отображения в заданных базисах и выполнять переход между базисами.
  • Понимать, что такое аффинные пространства и аффинные отображения и чем они отличаются от линейных.

О курсе

Перед тем как изучать, как работают модели машинного обучения, нужно понять язык, на котором они описаны. Этот язык — линейная алгебра. Данные в ML представляются в виде векторов и матриц, преобразования признаков — это линейные отображения, а обучение модели во многом сводится к работе с системами уравнений и оптимизации в векторных пространствах.

Курс построен последовательно: от простых систем уравнений и матриц — к векторным пространствам, базисам и линейным отображениям. Каждая тема сопровождается примерами с пошаговыми вычислениями и задачами на проверку понимания.

Это первая часть серии «Математика для машинного обучения». В следующих частях планируется разобрать математический анализ и теорию вероятностей.

Для кого этот курс

Для тех, кто начинает изучать машинное обучение и хочет понимать математику моделей, а не просто вызывать функции из библиотек. Для студентов технических специальностей, которым нужен понятный курс линейной алгебры. Для разработчиков и аналитиков, которые хотят закрыть пробелы в математике перед переходом в Data Science.

Начальные требования

Знание математики в объёме старших классов школы: арифметика, дроби, простые уравнения, координаты на плоскости.

Предварительное знание линейной алгебры не требуется — курс начинается с самых основ.

Наши преподаватели

Как проходит обучение

Лекции разбиты на небольшие логические блоки с формулами и пояснениями.

После каждой темы — задачи: простые вопросы на понимание теории и более сложные вычислительные задачи.

В лекциях подробно разбираются примеры с пошаговыми вычислениями, чтобы было понятно, откуда берётся каждый шаг.

Учитесь в своём темпе, возвращаясь к сложным темам по мере необходимости.

Программа курса

загружаем...
Certificate

Сертификат

Сертификат Stepik

Что вы получаете

  • Понимание основных понятий линейной алгебры на уровне, достаточном для дальнейшего изучения машинного обучения.
  • Навык работы с матрицами, системами уравнений и векторными пространствами.
  • Готовую базу для следующих частей курса — математического анализа и теории вероятностей.
  • Сертификат об успешном прохождении курса.

Сколько стоит обучение

Price: 299 
Вы попробовали и поняли, что вам сейчас не подходит этот курс? Ничего страшного, мы вернём вам деньги в течение 30-ти дней после покупки.

Часто задаваемые вопросы

Расскажите о курсе друзьям

Price: 299