課程簡介

線性代數導論

為什麼你應該提高你的線性代數知識 Machine Learning

學習線性代數符號

瞭解向量

  • 向量特性和特徵
  • 執行向量運算

瞭解矩陣

  • Matrix 特性和特點
  • 執行 Matrix 操作和轉換
  • 使用特殊矩陣

求解線性系統

  • 將問題表示為線性系統
  • 求解線性系統

矩陣線性映射

  • 正交矩陣
  • 革蘭-施密特過程

使用矩陣反射和處理圖像

瞭解特徵值和特徵向量及其在數據問題中的應用

使用特徵值和特徵向量檢查 Google 的PageRank演算法

瞭解 Machine Learning 的主成分分析 (PCA)

瞭解 Machine Learning 的線性回歸

專案:用線性代數求解 Machine Learning 問題

總結和結論

最低要求

  • 機器學習有基本經驗或熟悉
  • 基本程式設計經驗
  14 時間:
 

人數


開始於

結束於


Dates are subject to availability and take place between 09:30 and 16:30.
Open Training Courses require 5+ participants.

相關課程

課程分類