آیا به علم داده علاقه مندید اما پیش زمینه ریاضی برای آن ندارید؟ آیا ریاضی همیشه موضوع سختی بوده که از آن اجتناب می کنید؟ این دوره به شما اصولی ترین مفاهیم حساب دیفرانسیل و انتگرال را که برای حرفه ای در علم داده نیاز دارید، بدون هزاران مدرک و تکنیک های غیر ضروری که ممکن است هرگز از آنها استفاده نکنید، آموزش می دهد. این را راهی سریع به علم داده با روش های قابل دسترس و مفاهیم دوستانه در نظر بگیرید که شما را به درک واقعی مهم ترین ایده ها در حساب دیفرانسیل راهنمایی می کند. ما برخی از اصول جبر را مرور می کنیم، در مورد مشتق صحبت می کنیم، مشتقات ساده را محاسبه می کنیم و اصول مشتقات را برای ترسیم نمودار و به حداکثر رساندن توابع اعمال می کنیم. این دوره به منظور آماده سازی فراگیران برای تکمیل موفقیت آمیز مدل سازی آماری برای کاربرد علم داده، که بخشی از برنامه کارشناسی ارشد علوم داده CU Boulder (MS-DS) است، طراحی شده است. لوگو با حسن نیت از ThisisEngineering RAEng در Unsplash.com

به تازگی برای سال 2024 به روز شده است! Mathematics for Machine Learning and Data Science یک برنامه آنلاین پایه است که توسط DeepLearning.AI ایجاد شده و توسط Luis Serrano تدریس می شود. در یادگیری ماشینی، شما مفاهیم ریاضی را از طریق برنامه نویسی به کار می برید. و بنابراین، در این تخصص، مفاهیم ریاضی را که با استفاده از برنامه نویسی پایتون یاد می گیرید، در تمرینات آزمایشگاهی عملی به کار خواهید برد. به عنوان یک زبان آموز در این برنامه، برای موفقیت به مهارت های برنامه نویسی پایتون اولیه تا متوسط ​​نیاز دارید. پس از اتمام این دوره، فراگیران قادر خواهند بود: • بهینه سازی تحلیلی انواع مختلف توابع که معمولاً در یادگیری ماشین استفاده می شوند با استفاده از ویژگی های مشتقات و گرادیان ها • بهینه سازی تقریباً انواع مختلف توابع که معمولاً در یادگیری ماشین استفاده می شوند با استفاده از روش های تکراری مرتبه اول (نزول گرادیان) و مرتبه دوم (روش نیوتن). • تفکیک بصری تمایز انواع مختلف توابع که معمولاً در یادگیری ماشین استفاده می شوند • اجرای گرادیان نزول در شبکه های عصبی با توابع مختلف فعال سازی و هزینه بسیاری از مهندسان یادگیری ماشین و دانشمندان داده در زمینه ریاضیات به کمک نیاز دارند، و حتی تمرین‌کنندگان با تجربه نیز می‌توانند از کمبود مهارت‌های ریاضی عقب‌مانده شوند. این تخصص از آموزش نوآورانه در ریاضیات استفاده می‌کند تا به شما کمک کند تا سریع و شهودی یاد بگیرید، با دوره‌هایی که از تجسم‌های ساده برای پیگیری استفاده می‌کنند تا به شما کمک کنند تا ببینید که چگونه ریاضیات پشت یادگیری ماشین واقعاً کار می‌کند.  ما به شما توصیه می کنیم سطح ریاضی دبیرستان (توابع، جبر پایه) و آشنایی با برنامه نویسی (ساختارهای داده، حلقه ها، توابع، دستورات شرطی، اشکال زدایی) داشته باشید. تکالیف و آزمایشگاه‌ها در پایتون نوشته شده‌اند، اما این دوره تمام کتابخانه‌های یادگیری ماشینی را که استفاده می‌کنید معرفی می‌کند.