गणितीय आधार: वेक्टर स्पेस, रैखिक मैपिंग्स और डेटा की ज्यामिति
फ़ैकल्टी की पुष्टि होना बाकी है
कोर्स के बारे में
यह कोर्स रैखिक बीजगणित (linear algebra) को आधुनिक मशीन लर्निंग (ML) की भाषा के रूप में कवर करता है। स्टूडेंट्स वेक्टर स्पेस, आइगन-डिकंपोज़िशन (eigendecomposition) और सिंगुलर वैल्यू डिकंपोज़िशन (SVD) का अध्ययन करेंगे, विशेष रूप से एम्बेडिंग्स, कंप्रेशन और न्यूरल नेटवर्क ट्रांसफ़ॉर्मेशन्स से जुड़े कार्यों में इनकी भूमिका पर ज़ोर देते हुए। यह कोर्स अगले सेमेस्टर्स में पढ़ाए जाने वाले ट्रांसफ़ॉर्मर्स, PCA और ग्राफ़ न्यूरल नेटवर्क्स को समझने के लिए आवश्यक गणितीय आधार तैयार करता है।
आप क्या सीखेंगे
✓आयाम में कमी (dimensionality reduction) और लेटेंट एनालिसिस से जुड़े कार्यों में SVD और स्पेक्ट्रल डिकंपोज़िशन को लागू करना
✓न्यूरल नेटवर्क आर्किटेक्चर में मैट्रिक्स ऑपरेशंस के ज्यामितीय अर्थ को समझाना
✓ऑप्टिमाइज़ेशन कार्यों के लिए मैट्रिक्स पैरामीटर्स के सापेक्ष ग्रेडिएंट्स की गणना करना
✓रैखिक बीजगणित के एल्गोरिदम्स की न्यूमेरिकल स्थिरता का आकलन करना