Álgebra Linear com R para Machine Learning e Modelagens
Para Machine Learning, Modelagem Matemática, Estatística, Ciência de Dados, Matemática, Engenharia, Ciências Exatas...
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