Mathematics for Machine Learning

课程简介

课程时长 1. 数值计算软件：数学软件库（例如，Numpy、Pandas、Scikit-Learn）；数值计算环境（例如，Pytorch、Keras、Matlab） 2. 线性代数：向量空间；线性变换和矩阵；求解线性方程；矩阵分解；特征值和奇异值；矩阵范数和条件数；逆矩阵；列空间和零空间；非方阵作为不同维度之间的变换；伪逆 3. 优化：一维优化；最小二乘法；约束优化；凸优化；梯度下降；随机梯度下降 4. 概率与统计：概率的基本概念回顾；最大似然估计；贝叶斯规则；统计推断 5. 数学技能在机器学习中的应用：将数学技能与机器学习问题联系起来；数学技能在机器学习中的应用示例；与COMP中的机器学习课程的相关性

学习目标

• 提供机器学习所需的数学基本概念 • 通过使用合适的数值计算环境和数学软件库应用实际问题解决技能

先修要求

无

教学模式

讲座为学生提供主题的主要概念，并通过全面的例子帮助理解。 辅导和实验课为学生提供实践技能的机会。 课程中的作业将用于发展理论技能和实践技能。