코세라 머신러닝 기초수학 수료 #1

< Mathematics for Machine Learning : Linear Algebra >

 

머신러닝의 선수과목인 선형대수를 다시 한번 봐볼까 하던 중에 코세라에서 제공하는 "Mathematics for Machine Learning" 전문과정을 알게되었고, 머신러닝 개념이해에 필수적인 선형대수(Linear Algebra), 다변수 미분(Multivariate Calculus), PCA(Principal Component Analysis) 의 굵직한 세 개 강의 중에 첫번째인 선형대수에 관한 과목을 이수하였다. 

 

이미 선형대수에 대해 대학교와 대학원에서 몇번이고 반복해서 배웠기 때문에, 복습(?)느낌으로 수업을 듣고 문제도 나름 쉽게 풀 수 있었다. 

 

이 강좌에서 배우는 내용은 다음과 같다.

• 벡터공간의 이해
• 벡터의 size, angle, projection 의 의미
• 기저벡터로의 변환
• 역행렬을 이용한 선형시스템 풀기
• Orthogonal 매트릭스의 의미
• Gram-Schmidt 프로세스를 이용한 벡터변환
• eigenvalue 과 eigenvector의 의미

 

벡터기초적 성질을 단계적으로 알려주기 때문에 선형대수 과목에 대해 중요한 내용을 공부할 수 있고 수업은 Imperial College London 에서 제공해서 그런지 퀄리티가 굉장히 만족스러웠다.

 

 

PS) 만약 위의 세 가지 내용을 잘모르는데, 데이터분석 관련 직종에 종사하거나 혹은 종사하고 싶다면 한번쯤 꼭 듣는 것을 추천한다.