Data Science is het modewoord en veel enthousiastelingen zijn geïnteresseerd in het leren van de basisprincipes ervan om een ​​lucratieve carrière op dit gebied te maken. Lineaire algebra is een van de belangrijke concepten om te leren hoe u gegevenstransformatietechnieken kunt uitvoeren, zoals voorverwerking, dimensionaliteitsreductie, enz.

Er zijn veel cursussen beschikbaar binnen handbereik, maar het is moeilijk om de juiste cursus te kiezen die geschikt is voor uw behoefte. Bij het bepalen van de juiste koers spelen meerdere factoren een rol, zoals:

• Hoeveel tijd heb je tot je beschikking? Als u de concepten bijvoorbeeld al kent, maar een opfriscursus nodig heeft, kiest u voor een cursus om snel door de belangrijkste onderwerpen te bladeren.
• Bent u op zoek naar geavanceerde onderwerpen en wilt u het onderwerp diepgaand begrijpen?
• Sommige leerlingen houden van video's in afspeellijststijl, terwijl anderen het geleerde graag willen versterken door oefenvragen op te lossen om het conceptuele begrip te herzien
• Vindt u het prettig om voor een cursus te betalen of ervoor te kiezen om te leren van een gratis beschikbare lijst met cursussen? Als u net als ik gelooft in het democratiseren van onderwijs voor iedereen, dan is er goed nieuws voor u. De afgelopen tijd is er sprake van een toename van het aantal gratis cursussen waarmee u in een mum van tijd uw vaardigheden kunt bijspijkeren en u in staat kunt stellen een autodidactische datawetenschapper te worden.

Dat is precies de bedoeling van dit bericht: het maakt het zoeken naar cursussen eenvoudig door de vijf gratis cursussen op te sommen om de basis van lineaire algebra voor datawetenschap te leren.

Voordat ik meteen de cursussen voor je opsom, wil ik eerst de veelgestelde vragen uitleggen: waarom moeten we überhaupt lineaire algebra leren? Hoe verhoudt dit zich tot data science en machine learning-concepten?

Machine learning-algoritmen vereisen doorgaans kennis van scalaire vectoren en matrices om verliesfuncties, eigenwaarden, covariantiematrix, enz. te berekenen. Verder wordt lineaire algebra ook veelvuldig gebruikt in neurale netwerken, regularisatietechnieken, aanbevelingssystemen, Singular Value Decomposition (SVD), Hoofdcomponentenanalyse (PCA), enz.

Nu we de betekenis van het begrijpen van lineaire algebra-concepten begrijpen, gaan we de vijf beste cursussen bekijken om de concepten ervan gratis onder de knie te krijgen:

1) Essentie van lineaire algebra door 3Blue1Brown

Het is een afspeellijst met 16 video's die concepten bevatten zoals kruisproducten, puntproducten, eigenvectoren, eigenwaarden, enz. 3Blue1Brown is een YouTube-kanaal dat zich richt op het aanleren van wiskundige concepten op een gemakkelijk te begrijpen manier met behulp van unieke visualisatietechnieken. Hoewel het niet per se als een cursus kwalificeert, is het kanaal op onze lijst met aanbevelingen terechtgekomen vanwege het unieke thema van het bedenken en visualiseren van wiskunde.

2) Lineaire algebra van Khan Academy

Het is een goede cursus om de basisprincipes van lineaire algebra te leren, zoals het vectorproduct, lineaire transformatie, het vinden van determinanten, enz. Als je snel de basisprincipes opnieuw wilt bekijken, raadpleeg dan deze link.

3) Lineaire algebra door AI Applied Course

Het is een korte les met een afspeellijst met tien video's die zich richt op waarom je lineaire algebra moet leren voor machinaal leren. De cursus is een inleiding om lineaire algebra-concepten binnen 10 minuten goed te begrijpen.

Khan Academy- en 3Blue1Brown-video's zijn gemakkelijk te begrijpen en helpen je als complete beginner het tempo op te voeren. Zodra u de concepten uit deze bronnen heeft geleerd, bent u klaar om het diepere en uitgebreidere materiaal van de hieronder voorgestelde cursussen te leren.

4) Lineaire algebra – Foundations to Frontiers door de Universiteit van Texas in Austin bij EDX

De cursus wordt gegeven door professor Robert van de Geijn en bevat korte video's en visualisaties gevolgd door oefeningen en programmeeropdrachten.

De cursus beslaat 15 weken en vergt een inzet van 6-10 uur per week. Het beste deel is dat het zelfstudie is en op het gemak van de leerling kan worden voltooid.

Het is beschikbaar in twee formaten: geverifieerd (betaald) en audit (gratis). Als u een voltooiingscertificaat wilt ontvangen en toegang wilt hebben tot beoordeelde opdrachten en examens, moet u kiezen voor een geverifieerd, dat wil zeggen, betaald traject. U kunt voor elk nummer meer details bekijken hier.

5) Wiskunde voor machinaal leren: lineaire algebra door Imperial College London in Coursera

Deze cursus maakt deel uit van de serie – “Wiskunde voor Machine Learning Specialisatie” en is een hoog gewaardeerde (4.7/5) cursus. De USP van deze cursus is dat deze niet alleen theoretische concepten uitlegt, maar de leerlingen ook helpt deze ideeën te begrijpen en te implementeren via Python-code.

Leerlingen die niet over voldoende Python-achtergrond beschikken, kunnen ook aan de slag met deze cursus, omdat deze hen door korte codeblokken met gerichte concepten leidt. Het is gespreid over een periode van vier weken en vergt 19 uur om te voltooien.

De post heeft vijf populaire cursussen vermeld om lineaire algebra onder de knie te krijgen. Het beste deel is dat alle vermelde cursussen gratis zijn en gerangschikt zijn van beginnersniveau tot meer geavanceerde concepten. Hoewel de ML-gemeenschap zich blijft afvragen of het essentieel is om lineaire algebra te leren om aan de slag te gaan met machinaal leren, zou ik je ten zeerste aanraden een meer flexibele aanpak te volgen om te blijven herhalen en naar deze cursussen te verwijzen terwijl je je algoritmische ML-traject in kaart brengt.
 
 
Vidhi Chugh is een bekroonde AI/ML-innovatieleider en een AI-ethicus. Ze werkt op het snijvlak van datawetenschap, product en onderzoek om zakelijke waarde en inzichten te leveren. Ze is een pleitbezorger voor datacentrische wetenschap en een vooraanstaand expert in datagovernance met een visie om betrouwbare AI-oplossingen te bouwen.