코세라 머신러닝 기초수학 수료 #3

< Mathematics for Machine Learning : PCA >

 

코세라에서 제공하는 "Mathematics for Machine Learning" 전문분야 강좌인 선형대수(Linear Algebra), 다변수 미분(Multivariate Calculus), PCA(Principal Component Analysis) 의 중 세번째인 PCA에 관한 과목을 이수하였고, 이로써 전문과정을 수료하게 되었다.

 

앞서 글과 마찬가지로 머신러닝을 공부해왔었기 때문에 어렵지않게 강의를 듣고 문제를 풀 수 있었다. 다만 PCA가 수업이나 문제의 난이도가 가장 높았고, 문제를 풀며 꽤 오랜 시간이 소요되었다.

 

이 강좌에서 배우는 내용은 다음과 같다.

 

• 평균, 분산, 공분산의 의미와 활용
• 내적(Inner product)의 의미와 활용 (특정벡터공간 내 벡터간의 유사성 비교)
• Orthogonal projection의 이해와 활용
• PCA 알고리즘 수식의 유도 및 그 의미
• 차원수 > 데이터수 일때 효율적 PCA 계산법

 

다듣고 나면 아래와 같이 수료증이 나오고, 제일 밑에 첨부한 것처럼 하나의 전문분야에 대한 수료증이 나오는데 일반강좌 수료증보다 좀더 화려해보이고 뭐가 많이 적혀있는 것 같아서 아무튼 만족스럽다. 

 

PCA 강좌 수료증

 

Mathematics for Machine Learning 전문분야 수료증