Course Outline

Εισαγωγή στη Γραμμική Άλγεβρα

Γιατί πρέπει να βελτιώσετε τις γνώσεις σας στη Γραμμική Άλγεβρα για Machine Learning

Εκμάθηση Γραμμικών Σημειώσεων Άλγεβρας

Κατανόηση των διανυσμάτων

    Ιδιότητες και χαρακτηριστικά του διανύσματος που εκτελούν διανυσματικές λειτουργίες

Κατανόηση Μητρών

    Matrix Ιδιότητες και χαρακτηριστικά που εκτελούν Matrix Λειτουργίες και μετασχηματισμοί που εργάζονται με ειδικούς πίνακες

Επίλυση Γραμμικών Συστημάτων

    Αναπαράσταση προβλημάτων ως γραμμικών συστημάτων Επίλυση γραμμικών συστημάτων

Γραμμικές αντιστοιχίσεις με πίνακες

    Ορθογώνιες μήτρες Η διαδικασία Gram-Schmidt

Αντανάκλαση και χειρισμός εικόνων με πίνακες

Κατανόηση Ιδιοτιμών και Ιδιοδιανυσμάτων και Εφαρμογή τους σε Προβλήματα Δεδομένων

Εξέταση του αλγόριθμου PageRank του Google με ιδιοτιμές και ιδιοδιανύσματα

Κατανόηση της ανάλυσης βασικών στοιχείων (PCA) για Machine Learning

Κατανόηση της Γραμμικής παλινδρόμησης για Machine Learning

Έργο: Επίλυση Machine Learning Προβλήματος με Γραμμική Άλγεβρα

Περίληψη και Συμπέρασμα

Requirements

  • Βασική εμπειρία ή εξοικείωση με τη μηχανική μάθηση
  • Βασική εμπειρία προγραμματισμού
  14 Hours
 

Number of participants


Starts

Ends


Dates are subject to availability and take place between 09:30 and 16:30.

Price per participant

Related Courses

Advanced Stable Diffusion: Deep Learning for Text-to-Image Generation

  21 Hours

Related Categories