توضیحات
دوره Linear Algebra for Data Science and Machine Learning. این دوره مفاهیم اساسی جبر خطی را به شیوهای کاربردی و عملی برای استفاده در این حوزهها آموزش میدهد. این دوره که به شش بخش تقسیم شده، با معرفی مفاهیم پایه مانند اسکالرها، بردارها، ماتریسها و تانسورها آغاز میشود و ارتباط آنها با علوم داده و یادگیری ماشین را توضیح میدهد. در بخش دوم، ویژگیهای بردارها شامل نرمها، بردارهای واحد و متعامد بررسی میشود. بخش سوم به ماتریسها و مفاهیمی مانند ترانهاده، معکوس و تجزیه ماتریس میپردازد که در شبکههای عصبی و کاهش ابعاد کاربرد دارند. بخش چهارم عملیات ماتریسی مانند ضرب داخلی و خارجی را پوشش میدهد. در بخش پنجم، تبدیلهای خطی، مقادیر ویژه و تجزیههایی مانند SVD و PCA آموزش داده میشود. بخش نهایی به کاربردهای عملی این مفاهیم در حل مسائل واقعی، پیادهسازی سیستمهای خطی و تحلیل دادهها میپردازد. این دوره با ترکیب تئوری و پیادهسازی در پایتون، پایهای محکم برای فعالیت در حوزههای علوم داده و یادگیری ماشین ایجاد میکند.
پس از Extract، با Player دلخواه خود مشاهده کنید.