Fondements mathématiques de l’apprentissage automatique
La science des données et l’apprentissage automatique sont basés sur les mathématiques. Par conséquent, pour être le meilleur data scientist possible, vous devez avoir une solide connaissance de l’arithmétique la plus importante.
Grâce à des outils de haut niveau comme Scikit-learn et Keras, se lancer dans la science des données est simple.
Comprendre les mathématiques derrière les algorithmes de ces bibliothèques, en revanche, offre un nombre illimité d’options. Comprendre l’arithmétique derrière tout cela peut grandement augmenter l’effet que vous pouvez avoir au cours de votre carrière, de la détection des défauts de modélisation à la conception de solutions nouvelles et plus puissantes.
Ce cours, dirigé par le pionnier de l’apprentissage en profondeur, le Dr Jon Krohn, donne une solide compréhension des mathématiques qui sous-tendent les algorithmes d’apprentissage automatique et les modèles de science des données, en particulier l’algèbre linéaire et le calcul.
Sections du cours
- Structures de données en algèbre linéaire
- Les opérations tensorielles sont des opérations sur les tenseurs.
- Caractéristiques de la matrice
- Valeurs propres et vecteurs propres
- Opérations matricielles d’apprentissage automatique
- Limites
- Différenciation et dérivés
- Différenciation par machine
- Calcul des dérivées partielles
- Calcul des intégrales
Vous découvrirez de nombreux devoirs pratiques, des démonstrations de code Python et des exercices pratiques tout au long de chaque leçon pour vous aider à améliorer vos compétences en mathématiques !
Ce cours sur les fondements mathématiques de l’apprentissage automatique est terminé, mais nous souhaitons ajouter à l’avenir des informations supplémentaires provenant de domaines pertinents en dehors des mathématiques, tels que les probabilités, les statistiques, les structures de données, les algorithmes et l’optimisation.
Êtes-vous prêt à exceller en tant que data scientist ? Je te verrai en classe.
A qui s’adresse ce cours :
- Vous formez ou déployez des algorithmes d’apprentissage automatique à l’aide de bibliothèques logicielles de haut niveau (par exemple, scikit-learn, Keras, TensorFlow), et vous souhaitez comprendre les principes sous-jacents aux abstractions afin de pouvoir étendre vos compétences.
- Vous êtes un développeur de logiciels qui souhaite jeter les bases de l’intégration d’algorithmes d’apprentissage automatique dans des systèmes de production.
- Qui est data scientist et qui souhaite approfondir ses connaissances sur les sujets qui sont au cœur de sa carrière.
- Vous êtes un analyste de données ou un passionné d’IA qui souhaite travailler en tant que data scientist ou ingénieur data/ML, et vous avez hâte d’apprendre tout ce qu’il y a à savoir sur le domaine (ce qui est sage !).
Maîtrise des réseaux de neurones convolutifs
Télécharger maintenant