คณิตศาสตร์และสถิติสำหรับพื้นฐาน Machine Learning

ผู้ที่ต้องการเป็นผู้เชี่ยวชาญด้านข้อมูลจำนวนมากพบว่าศัพท์เทคนิคและสูตรที่ซับซ้อนกลายเป็นอุปสรรคในการทำความเข้าใจอย่างแท้จริงว่าโมเดลทำงานอย่างไร คอร์สเรียนแบบข้อความนี้จะเชื่อมช่องว่างนั้นโดยการอธิบายแนวคิดทางคณิตศาสตร์ที่จำเป็นซึ่งขับเคลื่อนปัญญาประดิษฐ์สมัยใหม่ คุณจะก้าวจากการทำตามบทเรียนโค้ดไปสู่การทำความเข้าใจตรรกะเบื้องหลังอัลกอริทึม ทำให้คุณสามารถแก้ไขปัญหาโมเดลและปรับปรุงประสิทธิภาพได้ สิ่งที่คุณจะได้เรียนรู้: - ทำความเข้าใจพื้นฐานพีชคณิตเชิงเส้น รวมถึงการดำเนินการเมทริกซ์และปริภูมิเวกเตอร์ - ประยุกต์ใช้แนวคิดแคลคูลัส เช่น อนุพันธ์ย่อยและเกรเดียนต์ที่ใช้ในการปรับปรุงโมเดลให้เหมาะสม - เชี่ยวชาญทฤษฎีความน่าจะเป็นในการจัดการกับความไม่แน่นอนและอธิบายการกระจายของข้อมูล - วิเคราะห์ชุดข้อมูลโดยใช้วิธีการทางสถิติเชิงพรรณนาและเชิงอนุมาน - สำรวจกลไกของฟังก์ชันต้นทุน (loss functions) และวิธีที่ gradient descent หาผลลัพธ์ที่เหมาะสมที่สุด - ฝึกฝนการอ่านและตีความสัญกรณ์ทางคณิตศาสตร์ที่พบในเอกสารทางเทคนิคสมัยใหม่ คอร์สนี้เริ่มต้นด้วยคำจำกัดความและศัพท์พื้นฐานก่อนที่จะดำเนินต่อไปในพีชคณิตเชิงเส้น แคลคูลัส และทฤษฎีทางสถิติ โดยเน้นที่การประยุกต์ใช้โดยตรงกับวิทยาศาสตร์ข้อมูล แนวทางที่มีโครงสร้างนี้จะช่วยให้คุณสร้างพื้นฐานที่แข็งแกร่งก่อนที่จะเข้าสู่สถานการณ์ Machine Learning ที่ใช้งานได้จริง คอร์สนี้ออกแบบมาสำหรับผู้เริ่มต้นและไม่จำเป็นต้องมีความรู้คณิตศาสตร์ขั้นสูงมาก่อน เริ่มต้นการเดินทางของคุณสู่หัวใจทางคณิตศาสตร์ของ Machine Learning