Популярное

Музыка Кино и Анимация Автомобили Животные Спорт Путешествия Игры Юмор

Интересные видео

2025 Сериалы Трейлеры Новости Как сделать Видеоуроки Diy своими руками

Топ запросов

смотреть а4 schoolboy runaway турецкий сериал смотреть мультфильмы эдисон
dTub
Скачать

Чем полезна линейная алгебра?

Автор: 365 Data Science

Загружено: 2019-04-09

Просмотров: 167189

Описание:

👉Запишитесь на наш полный курс по науке о данных со скидкой 57%: https://bit.ly/3sJATc9
👉 Скачайте наше бесплатное руководство по карьере в области науки о данных: https://bit.ly/47Eh6d5

Чем линейная алгебра действительно полезна? Существует множество приложений линейной алгебры. В частности, в науке о данных есть несколько очень важных. Некоторые из них легко понять, другие пока не совсем. В этом уроке мы рассмотрим 3 из них:

• Векторизованный код, также известный как программирование массивов
• Распознавание изображений
• Снижение размерности

Итак. Начнём с самого простого и, вероятно, наиболее часто используемого — векторизованного
кода. Можно с уверенностью утверждать, что цена дома зависит от его размера. Предположим, вы знаете,
что точное соотношение для некоторого района задаётся уравнением:

Цена равна 10 190 + 223 умножить на размер. Более того, вам известны площади пяти домов: 693, 656, 1060, 487 и 1275 квадратных футов.

Вам нужно подставить каждый размер в уравнение и найти цену каждого дома, верно?

Ну, для первого дома мы получаем: 10190 + 223 умножить на 693 равно 164 729. Затем мы можем найти следующий, и так далее, пока не найдём все цены.

Если у нас 100 домов, делать это вручную было бы довольно утомительно, не так ли?

Один из способов решить эту проблему — создать цикл. Можно перебрать площади, умножив
каждый из них на 223 и прибавив 10 190. Однако мы умнее, не так ли? Мы уже немного знакомы с линейной алгеброй. Давайте рассмотрим эти два объекта:

Матрица размером 5 на 2 и вектор длиной 2. Матрица содержит один столбец, состоящий из единиц, и другой – с размерами домов. Вектор содержит числа из уравнения 10 190 и 223.
Если мы их перемножим, то получим вектор длиной 5. Первый элемент будет равен:

1 умножить на 10 190 плюс 693 умножить на 223. Второй элемент будет равен:
1 умножить на 10 190 плюс 656 умножить на 223. И так далее.

► Если вам понравился контент, нажмите кнопку «ПОДПИСАТЬСЯ»: https://www.youtube.com/c/365DataScie...

► ПОСЕТИТЕ наш сайт: https://bit.ly/365ds

🤝 Свяжитесь с нами в LinkedIn:   / 365datascience  

365 Data Science — это онлайн-образовательный сайт, предлагающий невероятную возможность начать карьеру в сфере науки о данных, независимо от ваших знаний и опыта. Мы подготовили множество курсов, отвечающих потребностям начинающих BI-аналитиков, аналитиков данных и специалистов по работе с данными.

Мы в 365 Data Science — преданные своему делу преподаватели, которые верят, что отсутствие доступа к качественным учебным ресурсам не должно подавлять любопытство. Именно поэтому мы концентрируем все усилия на создании высококачественного образовательного контента, доступного онлайн каждому.

Ознакомьтесь с нашими руководствами по карьере в области науки о данных:    • How to Become a... (Data and AI Career Gui...  

#ЛинейнаяАлгебра #Математика #НаукаОданных

Чем полезна линейная алгебра?

Поделиться в:

Доступные форматы для скачивания:

Скачать видео mp4

  • Информация по загрузке:

Скачать аудио mp3

Похожие видео

Debunking 10 Common Misconceptions about AI

Debunking 10 Common Misconceptions about AI

Why Learn Linear Algebra?

Why Learn Linear Algebra?

В чем разница между матрицами и тензорами?

В чем разница между матрицами и тензорами?

Визуализация скрытого пространства: PCA, t-SNE, UMAP | Глубокое обучение с анимацией

Визуализация скрытого пространства: PCA, t-SNE, UMAP | Глубокое обучение с анимацией

Why Linear Algebra?

Why Linear Algebra?

The History of Linear Algebra

The History of Linear Algebra

The deeper meaning of matrix transpose

The deeper meaning of matrix transpose

The applications of eigenvectors and eigenvalues | That thing you heard in Endgame has other uses

The applications of eigenvectors and eigenvalues | That thing you heard in Endgame has other uses

No One Taught Eigenvalues & EigenVectors Like This

No One Taught Eigenvalues & EigenVectors Like This

But what are Matrices, really? | Linear Algebra Explained

But what are Matrices, really? | Linear Algebra Explained

Ошибка, из-за которой ты больше работаешь и хуже живёшь — Сенека

Ошибка, из-за которой ты больше работаешь и хуже живёшь — Сенека

Где начало СХЕМЫ? Понимаем, читаем, изучаем схемы. Понятное объяснение!

Где начало СХЕМЫ? Понимаем, читаем, изучаем схемы. Понятное объяснение!

A friendly introduction to linear algebra for ML (ML Tech Talks)

A friendly introduction to linear algebra for ML (ML Tech Talks)

The Big Picture of Linear Algebra

The Big Picture of Linear Algebra

Психология Людей, Которые Не Публикуют Ничего в Социальных Сетях

Психология Людей, Которые Не Публикуют Ничего в Социальных Сетях

What's a Tensor?

What's a Tensor?

Gilbert Strang: Linear Algebra vs Calculus

Gilbert Strang: Linear Algebra vs Calculus

Dear linear algebra students, This is what matrices (and matrix manipulation) really look like

Dear linear algebra students, This is what matrices (and matrix manipulation) really look like

Задача из вступительных Стэнфорда

Задача из вступительных Стэнфорда

Алгоритм случайного леса наглядно объяснен!

Алгоритм случайного леса наглядно объяснен!

© 2025 dtub. Все права защищены.



  • Контакты
  • О нас
  • Политика конфиденциальности



Контакты для правообладателей: infodtube@gmail.com