به دوره جبر خطی محاسباتی با Python Numpy خوش آمدید. این یک آموزش جامع جبر خطی برای دانشمندان داده و مهندسین یادگیری ماشین است، این دوره مفاهیم اساسی، پیاده سازی های عملی و برنامه های کاربردی دنیای واقعی را برای افزایش درک و تخصص شما در این زمینه پوشش می دهد. این دوره ترکیبی عالی بین جبر خطی و پایتون است و آن را به فرصتی ایدهآل برای کسانی تبدیل میکند که به دنبال تمرین مهارتهای برنامهنویسی و در عین حال بهبود دانش ریاضی خود هستند. در جلسه مقدمه، اصول اولیه جبر خطی مانند آشنایی با موارد کاربرد و مفاهیم کلیدی آن را خواهید آموخت. سپس، در بخش بعدی، اولین درس را شروع می کنیم که در آن با مفاهیم اولیه مانند اسکالر، بردار و ماتریس ها بیشتر آشنا می شوید. علاوه بر این، شما همچنین در مورد عملیات ماتریسی مانند جمع، تفریق، ضرب ماتریس دو در دو و ضرب ماتریس سه در سه یاد خواهید گرفت. پس از آن، در درس دوم، نحوه انجام معکوس و جابجایی روی ماتریس ها به صورت دستی را یاد خواهید گرفت، سپس نحوه استفاده از Numpy را برای انجام محاسبات نیز یاد خواهید گرفت. در درس سوم، نحوه محاسبه دترمینال های ماتریس دو در دو و ماتریس سه در سه را به صورت دستی و با استفاده از Numpy یاد خواهید گرفت. سپس در درس چهارم نحوه حل معادلات خطی پیچیده را یاد می گیرید و برای اطمینان از درک مفاهیم، مسائل تمرینی زیادی را امتحان می کنیم. در ضمن در درس پنجم نحوه محاسبه مقادیر ویژه و بردارهای ویژه را هم به صورت دستی و هم با استفاده از Numpy یاد خواهید گرفت. سپس، در درس ششم، با تجزیه خطی به ویژه تجزیه LU، QR و Cholesky آشنا خواهید شد. ابتدا محاسبه را به صورت دستی انجام می دهیم، سپس پس از درک مفاهیم اولیه، سپس از Numpy برای محاسبات استفاده می کنیم. پس از آن در درس هفتم یاد می گیرید که چگونه با استفاده از Numpy یک تانسور با اندازه خاص بسازید و حتی هیجان انگیزتر، با تانسورها بازی می کنیم و نحوه دسترسی به مقدار تانسور را با استفاده از تکنیک های برش و نمایه سازی یاد می گیریم. سپس، در درس هشتم، نحوه محاسبه تجزیه مقادیر مفرد را هم به صورت دستی و هم با استفاده از Numpy یاد خواهید گرفت. پس از اتمام درسهای جبر خطی، مطمئن خواهیم شد که شما این فرصت را دارید که تمام مفاهیمی را که آموختهاید در پروژههای دنیای واقعی پیادهسازی کنید. در مجموع پنج پروژه وجود دارد که در پروژه اول با استفاده از تجزیه خطی موتور توصیه میسازید، در پروژه دوم با استفاده از تجزیه ارزش منفرد کمپرسور تصویر میسازید، در پروژه سوم با استفاده از بازار املاک و مستغلات را پیشبینی میکنید. رگرسیون خطی، در پروژه چهارم، متن کاوی را با استفاده از فاکتورسازی ماتریس غیر منفی انجام می دهید و در پروژه آخر، کاهش ابعاد را با استفاده از تحلیل مؤلفه اصلی انجام می دهید.
اول از همه، قبل از ورود به دوره، باید این سوال را از خود بپرسیم، چرا باید جبر خطی محاسباتی را یاد بگیریم؟ خب جواب من اینجاست جبر خطی به عنوان پایه و اساس بسیاری از مفاهیم و تکنیک های پیشرفته ریاضی مورد استفاده در یادگیری ماشین، علم داده و مهندسی عمل می کند. در یادگیری ماشینی، جبر خطی برای درک و پیاده سازی الگوریتم هایی مانند رگرسیون خطی، ماشین های بردار پشتیبان و شبکه های عصبی ضروری است. در علم داده، جبر خطی ما را قادر می سازد تا مجموعه داده های بزرگ را به طور موثر تجزیه و تحلیل کنیم، کاهش ابعاد را انجام دهیم و مسائل بهینه سازی را حل کنیم. در مهندسی، جبر خطی نقش مهمی در مدلسازی سیستمهای فیزیکی، طراحی سیستمهای کنترل و حل معادلات دیفرانسیل دارد.
در زیر مواردی وجود دارد که میتوانید از این دوره یاد بگیرید:
مبانی اساسی جبر خطی، مانند آشنایی با کاربردهای دنیای واقعی و مفاهیم کلیدی مهم را بیاموزید
با تفاوت بین اسکالر، برداری، ماتریس و تانسور آشنا شوید
با نحوه افزودن و تفریق ماتریس با استفاده از Numpy آشنا شوید
با نحوه ضرب ماتریس با استفاده از Numpy آشنا شوید
با نحوه معکوس کردن و جابجایی ماتریس با استفاده از Numpy آشنا شوید
با نحوه محاسبه تعیین کننده ماتریس با استفاده از Numpy آشنا شوید
با نحوه محاسبه هنجار، ردیابی و رتبه ماتریس با استفاده از Numpy آشنا شوید
با نحوه حل سیستم معادله خطی با استفاده از Numpy آشنا شوید
با نحوه محاسبه مقادیر ویژه و بردارهای ویژه با استفاده از Numpy آشنا شوید
درباره تجزیه LU، QR و Cholesky بیاموزید
با نحوه ایجاد، برش، و تغییر شکل تانسور با استفاده از Numpy آشنا شوید
با نحوه ساخت موتور توصیه فیلم با استفاده از تجزیه خطی آشنا شوید
با نحوه ساخت کمپرسور تصویر با استفاده از تجزیه مقادیر تکی آشنا شوید
با نحوه پیش بینی بازار املاک و مستغلات با استفاده از رگرسیون خطی آشنا شوید
نحوه انجام متن کاوی با استفاده از فاکتورسازی ماتریس غیر منفی را بیاموزید
با نحوه انجام کاهش ابعاد با استفاده از تجزیه و تحلیل مولفه اصلی آشنا شوید
مشاور سابق ریسک فناوری و علاقهمند به تجارت الکترونیک
نمایش نظرات