InformIT – Linear Algebra for Machine Learning 2020-12

توضیحات

Linear Algebra for Machine Learning دوره آموزشی کاربرد جبر خطی در علم داده‌ها و یادگیری ماشین می باشد که توسط آکادمی تخصصی InformIT منتشر شده است. در این دوره آموزشی با مسائل تئوری و عملی جبر خطی آشنا شده و به صورت کاملا عملی آن را در پروژه های مرتبط با یادگیری ماشین پیاده سازی خواهید کرد. یادگیری ماشین و علم داده دو رشته بسیار پر کاربرد در دنیای دیجیتال امروز هستند که یادگیری آن ها می تواند فرصت های شغلی بسیاری برایتان به ارمغان بیاورد.

آنچه در دوره Linear Algebra for Machine Learning یاد خواهید گرفت:

• آشنایی با کاربرد جبر و اصول ریاضیات در رشته یادگیری ماشین
• آشنایی با اصول اولیه جبر خطی
• آشنایی با رویکردهای مختلف توسعه راه حل های مبتنی بر یادگیری ماشین
• درک عمیق فرآیند کاری الگوریتم های مبتنی بر یادگیری ماشین
• بهبود مهارت شهود ریاضیاتی
• درک عمیق سایر مباحث مرتبط با یادگیری ماشین مانند حساب دیفرانسیل و انتگرال، آمار، الگوریتم های بهینه سازی و …

مشخصات دوره

ناشر: InformIT
مدرس: Jon Krohn
زبان: انگلیسی
سطح آموزش: متوسط
تعداد دروس: 58
مدت زمان آموزش: 6 ساعت و 32 دقیقه

سرفصل های دوره

Lesson 1: Orientation to Linear Algebra

Lesson 2: Data Structures for Algebra

Lesson 3: Common Tensor Operations

Lesson 4: Solving Linear Systems

Lesson 5: Matrix Multiplication

Lesson 6: Special Matrices and Matrix Operations

Lesson 7: Eigenvectors and Eigenvalues

Lesson 8: Matrix Determinants and Decomposition

Lesson 9: Machine Learning with Linear Algebra

پیش نیازهای دوره Linear Algebra for Machine Learning

Mathematics: Familiarity with secondary school-level mathematics will make the course easier to follow. If you are comfortable dealing with quantitative information — such as understanding charts and rearranging simple equations — then you should be well-prepared to follow along with all of the mathematics.

Programming: All code demos are in Python so experience with it or another object-oriented programming language would be helpful for following along with the hands-on examples.

تصاویر دوره

فیلم معرفی دوره Linear Algebra for Machine Learning

راهنمای نصب

پس از Extract، با Player دلخواه خود مشاهده کنید.

زیرنویس: ندارد

کیفیت: 720p

فایل های جانبی دوره: Github

لینک دانلود

دانلود بخش 1 – 2 گیگابایت

دانلود بخش 2 – 2 گیگابایت

دانلود بخش 3 – 2 گیگابایت

دانلود بخش 4 – 2 گیگابایت

دانلود بخش 5 – 2 گیگابایت

دانلود بخش 6 – 1.54 گیگابایت

گذرواژه فایل(ها): www.downloadly.ir

حجم فایل

11.5 گیگابایت