Chevron Left
Mathematics for Machine Learning: PCA(으)로 돌아가기

임페리얼 칼리지 런던의 Mathematics for Machine Learning: PCA 학습자 리뷰 및 피드백

2,866개의 평가

강좌 소개

This intermediate-level course introduces the mathematical foundations to derive Principal Component Analysis (PCA), a fundamental dimensionality reduction technique. We'll cover some basic statistics of data sets, such as mean values and variances, we'll compute distances and angles between vectors using inner products and derive orthogonal projections of data onto lower-dimensional subspaces. Using all these tools, we'll then derive PCA as a method that minimizes the average squared reconstruction error between data points and their reconstruction. At the end of this course, you'll be familiar with important mathematical concepts and you can implement PCA all by yourself. If you’re struggling, you'll find a set of jupyter notebooks that will allow you to explore properties of the techniques and walk you through what you need to do to get on track. If you are already an expert, this course may refresh some of your knowledge. The lectures, examples and exercises require: 1. Some ability of abstract thinking 2. Good background in linear algebra (e.g., matrix and vector algebra, linear independence, basis) 3. Basic background in multivariate calculus (e.g., partial derivatives, basic optimization) 4. Basic knowledge in python programming and numpy Disclaimer: This course is substantially more abstract and requires more programming than the other two courses of the specialization. However, this type of abstract thinking, algebraic manipulation and programming is necessary if you want to understand and develop machine learning algorithms....

최상위 리뷰


2021년 7월 6일

Now i feel confident about pursuing machine learning courses in the future as I have learned most of the mathematics which will be helpful in building the base for machine learning, data science.


2018년 7월 16일

This is one hell of an inspiring course that demystified the difficult concepts and math behind PCA. Excellent instructors in imparting the these knowledge with easy-to-understand illustrations.

필터링 기준:

Mathematics for Machine Learning: PCA의 711개 리뷰 중 126~150

교육 기관: Tarek L

2019년 9월 11일

교육 기관: Kostas K

2022년 8월 21일

교육 기관: Ling J

2018년 4월 18일

교육 기관: Sriram R

2019년 6월 18일

교육 기관: Yuanfang F

2019년 9월 7일

교육 기관: Sertan A

2020년 12월 14일

교육 기관: Marcelo R

2020년 7월 26일

교육 기관: Renato

2020년 5월 3일

교육 기관: Gergo G

2019년 5월 15일

교육 기관: Anastasios P

2019년 12월 26일

교육 기관: Idris R

2019년 11월 2일

교육 기관: Xavier P

2020년 11월 9일

교육 기관: Jaiber J

2020년 5월 1일

교육 기관: Ratnakar M

2018년 7월 12일


2021년 3월 22일

교육 기관: Geoffrey K

2020년 6월 5일

교육 기관: Fernando M

2020년 6월 30일

교육 기관: Juan P M C

2020년 9월 19일

교육 기관: Adithya P

2020년 10월 1일

교육 기관: surbhi

2020년 6월 17일

교육 기관: David L

2019년 5월 29일

교육 기관: Traning_Chotot

2021년 7월 19일

교육 기관: FRANCK R S

2018년 7월 7일

교육 기관: mohit t

2018년 5월 13일

교육 기관: Oj S

2020년 1월 13일