기계 학습을 위한 수학: PCA

상품 설명

이 중급 과정은 기본적인 차원 감소 기술인 주성분 분석(PCA)을 도출하기 위한 수학적 기초를 소개합니다. 평균값 및 분산과 같은 데이터 세트의 기본 통계를 다루고 내적을 사용하여 벡터 사이의 거리와 각도를 계산하고 하위 차원 하위 공간에 데이터의 직교 투영을 유도합니다. 이러한 모든 도구를 사용하여 데이터 포인트와 재구성 사이의 평균 제곱 재구성 오류를 최소화하는 방법으로 PCA를 유도합니다.

이 과정을 마치면 중요한 수학적 개념에 익숙해지고 PCA를 직접 구현할 수 있습니다. 어려움을 겪고 있다면 기술의 속성을 탐색하고 정상 궤도에 오르기 위해 해야 할 일을 안내할 수 있는 일련의 jupyter 노트북을 찾을 수 있습니다. 이미 전문가라면 이 과정을 통해 일부 지식을 새로 고칠 수 있습니다.

강의, 예제 및 연습에는 다음이 필요합니다.
1. 추상적인 사고 능력
2. 선형 대수학(예: 행렬 및 벡터 대수학, 선형 독립성, 기저)에 대한 좋은 배경 지식
3. 다변량 미적분학의 기본 배경(예: 편도함수, 기본 최적화)
4. Python 프로그래밍 및 numpy에 대한 기본 지식

고지 사항: 이 과정은 다른 두 전문화 과정보다 훨씬 더 추상적이고 더 많은 프로그래밍이 필요합니다. 그러나 기계 학습 알고리즘을 이해하고 개발하려면 이러한 유형의 추상적 사고, 대수적 조작 및 프로그래밍이 필요합니다.