Mathematical Matrix Methods lie at the root of most methods of machine learning and data analysis of tabular data. Learn the basics of Matrix Methods, including matrix-matrix multiplication, solving linear equations, orthogonality, and best least squares approximation. Discover the Singular Value Decomposition that plays a fundamental role in dimensionality reduction, Principal Component Analysis, and noise reduction. Optional examples using Python are used to illustrate the concepts and allow the learner to experiment with the algorithms.
ofrecido por
Universidad de Minnesota
Acerca de este Curso
36,336 vistas recientes
Los estudiantes que toman este Course son
- Economists
- Researchers
- Machine Learning Engineers
- Data Scientists
- Data Analysts
Programa - Qué aprenderás en este curso
Semana
11 hora para completar
Matrices as Mathematical Objects
3 videos (Total 11 minutos), 2 lecturas, 3 cuestionarios
2 lecturas
Vector and Matrix operations30m
Matrix Multiplication10m
3 ejercicios de práctica
Matrix8m
Linear combinations
Matrix Combinations
Semana
21 hora para completar
Matrix Multiplication and other Operations
3 videos (Total 14 minutos), 2 lecturas, 3 cuestionarios
2 lecturas
Matrix Arithmetic10m
Matrix Transpose10m
3 ejercicios de práctica
Matrix Operations4m
Matrix Transpose4m
Matrix Multiplication and Other Operations
Semana
31 hora para completar
Systems of Linear Equations
4 videos (Total 15 minutos), 3 lecturas, 4 cuestionarios
4 videos
Solution of Linear Equations via Elimination2m
LU Decomposition: Matrix is a Product of Simple Matrices5m
Supplement: Solve Linear Equations in Python2m
3 lecturas
Systems of Linear Equations10m
Gaussian Elimination Algorithm10m
LU Decomposition10m
4 ejercicios de práctica
Systems of Linear Equations
Solution of Linear Equations via Elimination
LU Decomposition
Systems of linear equations
Semana
41 hora para completar
Linear Least Squares
4 videos (Total 16 minutos), 2 lecturas, 5 cuestionarios
4 videos
Linear Least Squares: Best Approximation3m
Least Distance -> Orthogonality -> Normal Equations4m
Example: Approximate Curve Fitting4m
2 lecturas
Orthogonality and the Inner Product10m
Linear Least Squares10m
5 ejercicios de práctica
Orthogonality and Inner Product
Linear Least Squares
Normal equations4m
Approximate Curve Fitting4m
Linear Least Squares
Instructor
Daniel Boley
ProfessorComputer Science and Engineering
Acerca de Universidad de Minnesota
The University of Minnesota is among the largest public research universities in the country, offering undergraduate, graduate, and professional students a multitude of opportunities for study and research. Located at the heart of one of the nation’s most vibrant, diverse metropolitan communities, students on the campuses in Minneapolis and St. Paul benefit from extensive partnerships with world-renowned health centers, international corporations, government agencies, and arts, nonprofit, and public service organizations.
Preguntas Frecuentes
¿Cuándo podré acceder a las lecciones y tareas?
Una vez que te inscribes para obtener un Certificado, tendrás acceso a todos los videos, cuestionarios y tareas de programación (si corresponde). Las tareas calificadas por compañeros solo pueden enviarse y revisarse una vez que haya comenzado tu sesión. Si eliges explorar el curso sin comprarlo, es posible que no puedas acceder a determinadas tareas.
¿Qué recibiré si compro el Certificado?
Cuando compras un Certificado, obtienes acceso a todos los materiales del curso, incluidas las tareas calificadas. Una vez que completes el curso, se añadirá tu Certificado electrónico a la página Logros. Desde allí, puedes imprimir tu Certificado o añadirlo a tu perfil de LinkedIn. Si solo quieres leer y visualizar el contenido del curso, puedes participar del curso como oyente sin costo.
¿Cuál es la política de reembolsos?
¿Hay ayuda económica disponible?
¿Tienes más preguntas? Visita el Centro de Ayuda al Alumno.
Coursera brinda acceso universal a la mejor educación del mundo, al asociarse con las mejores universidades y organizaciones, para ofrecer cursos en línea.
© 2019 Coursera Inc. Todos los derechos reservados.
