数学はすべての科目の基礎であり、数学の学習には終わりがありません。ビジネスに携わっている場合、またはエンジニアリング、データ、物理学、その他の精密科学の専門家を必要とする業界に携わっている場合は、数学の学習がさらに必要になります。 私がデータサイエンスや機械学習に触れた頃は、数学やデータには10年間も触れていなかったため、最初はとても苦労しました。私は日常の工業生産で使われるツールがどのように機能するかを理解しようと、何時間もビデオを観ていました。
しかし、Jupyter Notebook の「import」や「fit」の仕組みを理解する必要があると感じたので、長い間触れていなかった数学の知識をブラッシュアップすることにしました。 実際、データ サイエンスだけでも学ぶべきことはまだたくさんあります。しかし、考えたことはありますか? テクノロジーや言語は移り変わりますが、その背後にある数学的な知識は永遠です。 この不幸な疫病が私たちに与えてくれた自由時間を有効活用しましょう。結局、しばらくは家にいなければなりませんから、一緒にオンライン授業を受けてみませんか。 1. 機械学習のための必須数学: Python コースソース: edX コース提供者: Microsoft コース期間: 50 時間 コースを学習する前に必要な要件: Pythonをマスターし、基本的な数学の知識があること コースの説明: 機械学習や人工知能を学びたいけれど、数学の知識がないのではないかと心配ですか? 「代数」や「微積分」などの言葉に不安を感じていますか? 学校で数学を習ってから長い時間が経っているため、ほとんど忘れてしまっているからでしょうか? 心配しないでください。多くの人がこのような状態です。機械学習と人工知能は、微積分、線形代数、確率、最適化などの数学的原理に基づいています。人工知能の分野に参入しようとしている多くの実務家は、この知識に圧倒されるでしょう。
画像ソース: unsplash このコースは数学者になるための助けにはなりません。基本的な概念とそれに対応する記号を教えるだけです。このコースでは、データの処理方法と学習したスキルの適用方法についても学習します。 扱われるトピック:
ヒント: このコースには開始日がありますが、それより前に日付を選択して、そこからすべてのコンテンツを無料で視聴することができます。 2. Python を使用したデータ サイエンスにおける確率と統計 コースソース: edX コース提供者: カリフォルニア大学サンディエゴ校 コース期間: 100~120時間 コース受講前の要件: 多変数微積分と線形代数を習得する コースの説明:
画像ソース: pexels 不確実性の下での推論は、ノイズの多いデータの分析に固有のものです。確率と統計は、この種の推論の数学的基礎を提供します。 このコースでは、確率と統計の基礎を学び、数学理論だけでなく、それを Jupyter ノートブックの実際のデータに適用する方法も習得します。 扱われるトピック:
ヒント: このコースには開始日がありますが、以前の開始日を選択して、そこからすべてのコンテンツを無料で視聴することができます。 3. 機械学習における数学 コースソース: Coursera コース提供者: インペリアル・カレッジ・ロンドン コース期間: 104 時間 (実際の授業時間は少なくとも 50% 長くなります) コース受講前の要件: なし 画像ソース: pexels コースの説明: 多くの高度な機械学習やデータサイエンスのコースでは、基本的な数学の知識を復習する必要があることがわかります。おそらく、この知識は学校で学んだことがあるでしょうが、このコースでは他の側面、またはあまり直感的ではない側面から説明します。そして、この知識をデータサイエンスに適用するのは困難です。 この専門分野の目的は、そのギャップを埋め、基礎となる数学の一部をより深く学び、直感的に理解し、それを機械学習やデータ サイエンスに適用できるようにすることです。 扱われるトピック:
ヒント: Coursera ではコースや専門コースを聴講できます。対応する卒業証書を持っていなくても、多数のコース リソースにアクセスできます。上記のコースはとにかく充実しています。登録後、コースを監査するオプションを選択するだけです。 4. ベイズ統計学:概念からデータ分析まで コースソース: Coursera コース提供者: カリフォルニア大学サンタクルーズ校 コース期間: 22 時間 (実際は 30 時間以上) コースを受講する前に必要なこと:確率に関する基礎知識を習得する コースの説明: このコースでは、確率の概念からデータ分析まで、ベイズ統計の関連手法を紹介します。ベイズの関連理論と手法、およびそれらを一般的なデータ タイプに適用する方法を学習します。また、コースでより頻繁に登場する頻度主義学派とベイズ理論を比較します。 この比較により、ベイズ理論の利点がわかります。 扱われるトピック:
数学をしっかり学び、優れたデータ サイエンティストになるための道の基礎を築きましょう。今すぐ始めましょう。 |
<<: AIの大覚醒:チューリング賞受賞者のベンジオ氏は、AIは意識を持ち、将来の機械学習の核となるのは注意メカニズムであると語る
>>: DeepMindとハーバード大学がAI「モルモット」を開発:餌探しからバッティングまでニューラルネットワークの謎を探る
データ構造とアルゴリズムを学習していたとき、ソートアルゴリズムをアニメーションで表現して、理解しやす...
マスク氏の xAI が Grok を発表した翌日、xAI はプロンプトエンジニアリングと説明可能性の...
この記事はLeiphone.comから転載したものです。転載する場合は、Leiphone.com公式...
世界が人工知能(AI)を採用し続けるにつれて、AIを使用したスマートビルディングの人気が高まっていま...
最近また「AI変顔」が流行っていますね。 Leiphone.com(公式アカウント:Leiphone...
最近、「遺伝的アルゴリズムの紹介とデータ サイエンスにおけるその応用」というタイトルの記事が Ana...
データ注釈とは何ですか?ほとんどのデータはラベル付けされておらず、非構造化データですが、人工知能のト...
[51CTO.com クイック翻訳] 人工知能は今や魔法の技術と見なされています。人類が直面してい...
[[346344]] 「人類の技術発展の歴史を振り返ると、機械化、電化、情報化の時代を経験し、生産や...