The math behind machine learning without fear: linear algebra, calculus and gradients, probability and statistics, and optimization, explained visually and coded in Python with NumPy.
Course Curriculum
| 1. Linear Algebra | |||
| 1.1 المتجهات وعملياتها | 00:12:00 | ||
| 1.2 المصفوفات وضربها | 00:12:00 | ||
| 1.3 التحويلات الخطية | 00:10:00 | ||
| 1.4 القيم والمتجهات الذاتية وفكرة PCA | 00:14:00 | ||
| 2. Calculus | |||
| 2.1 المشتقات ومعناها | 00:12:00 | ||
| 2.2 المشتقات الجزئية والتدرج | 00:12:00 | ||
| 2.3 قاعدة السلسلة وفكرة الانتشار العكسي | 00:12:00 | ||
| 3. Probability for ML | |||
| 3.1 المتغيرات العشوائية والتوزيعات | 00:10:00 | ||
| 3.2 نظرية بايز في تعلم الآلة | 00:10:00 | ||
| 3.3 الإمكان الأعظم | 00:10:00 | ||
| 4. Optimization | |||
| 4.1 دوال التكلفة | 00:09:00 | ||
| 4.2 الانحدار التدريجي من الصفر | 00:14:00 | ||
| 4.3 المشروع النهائي: بناء الانحدار الخطي من الصفر | 00:22:00 | ||
Course Reviews
No Reviews found for this course.






Up Academy Data & AI Team