Álgebra Linear com R para Machine Learning e Modelagens

Para Machine Learning, Modelagem Matemática, Estatística, Ciência de Dados, Matemática, Engenharia, Ciências Exatas...

Ratings: 4.94 / 5.00




Description

Este curso aborda de forma clara e objetiva os principais conceitos da Álgebra Linear focado em demonstrações práticas utilizando a Linguagem R. Serão estudados os conteúdos sobre vetores (tipos e operações), matrizes(tipos, operações e determinantes), sistemas lineares, resolução de sistemas lineares (método da adição, método da substituição, regra de Cramer e escalonamento), Teorema de Laplace, Cofator, Estimativa dos mínimos quadrados, modelo de regressão linear múltipla, transformação linear (Homotetia, Translação, Rotação, Reflexão, Cisalhamento, Dilatação, Contração, Identidade, Nula e Inversa), autovalores, autovetores e Análise dos Componentes Principais (PCA).

São utilizados alguns datasets para exemplificar, onde é apresentado como se utiliza a Álgebra Linear com dados reais, inclusive a análise inicial que se deve fazer nos dados. É demonstrado como a Álgebra Linear se relaciona com o Método dos Mínimos Quadrados, com a Regressão Linear Múltipla e também com a Análise dos Componentes Principais.

A primeira seção é referente a apresentação dos conceitos básicos sobre a Linguagem R no RStudio, para que aqueles que não conhecem a linguagem R possam acompanhar o curso com tranquilidade.

O curso é apresentado no sistema operacional Windows, no RStudio, mas usuários do Linux e Mac acompanham tranquilamente.

Tenho certeza que a sua visão sobre Álgebra Linear irá mudar após esse curso.

What You Will Learn!

  • Vetores
  • Operações com vetores
  • Tipos de Matrizes
  • Operações com matrizes
  • Matriz Inversa
  • Determinante
  • Equações Lineares
  • Sistema de Equações Lineares
  • Resoluções de sistemas lineares (método da adição, substituição, regra de Cramer e escalonamento)
  • Regra de Cramer
  • Regra de Sarrus
  • Estimativa dos mínimos quadrados
  • Autovalor e autovetor
  • Transformação linear (homotetia, rotação, translação, cisalhamento, reflexão, alongamento, contração...)
  • Teorema de Laplace
  • Cofator
  • Noções de Análise dos Componentes Principais (PCA)
  • Teoria Matemática da Regressão Linear Múltipla
  • Fundamentos da linguagem R

Who Should Attend!

  • Estatístico
  • Matemático
  • Cientista de Dados
  • Profissionais de Machine Learning
  • Pesquisador
  • Engenheiro
  • Administrador
  • Economista
  • Estudantes de graduação e pós graduação