Machine Learning Foundations Linear Algebra

سرفصل های دوره

01.01-introduction

01.02-what you should know

02.01-defining linear algebra

02.02-applications of linear algebra in ml

03.01-introduction to vectors

03.02-vector arithmetic

03.03-coordinate system

04.01-dot product of vectors

04.02-scalar and vector projection

04.03-changing basis of vectors

04.04-basis linear independence and span

05.01-matrices introduction

05.02-types of matrices

05.03-types of matrix transformation

05.04-composition or combination of matrix transformations

06.01-solving linear equations using gaussian elimination

06.02-gaussian elimination and finding the inverse matrix

06.03-inverse and determinant

07.01-matrices changing basis

07.02-transforming to the new basis

07.03-orthogonal matrix

07.04-gram-schmidt process

08.01-introduction to eigenvalues and eigenvectors

08.02-calculating eigenvalues and eigenvectors

08.03-changing to the eigenbasis

08.04-google pagerank algorithm

09.01-next steps

189,000 تومان

افزودن به سبد خرید

خرید دانلودی فوری

در این روش نیاز به افزودن محصول به سبد خرید و تکمیل اطلاعات نیست و شما پس از وارد کردن ایمیل خود و طی کردن مراحل پرداخت لینک های دریافت محصولات را در ایمیل خود دریافت خواهید کرد.

تولید کننده: LinkedIn Learning (Lynda)