机构名称：
¥ 1.0
该课程涵盖了数据科学的几个主题，重点介绍了该领域许多发展以及算法及其计算方面的关键数学和统计概念和技术思想。重点是基本数学思想（包括基本功能分析和近似理论，概率和几何学观点的集中不平等，对图的分析和图），核心统计技术（例如线性回归，参数和非参数方法），无监督的机器学习技术（例如，聚类，多种学习），监督（分类，回归）和半监督学习。上述算法和计算方面及其基础，包括数值线性代数的基础，以及线性和非线性优化的基础，以以计算有效的方式实现上述问题的解决方案。应用程序将包括统计信号处理，成像，反问题，图形处理以及统计/机器学习与物理/动态系统的交集的问题（例如学习基于代理模型的学习相互作用内核，随机动力学系统的模型降低）。
数据科学的数学和计算基础
主要关键词
相关文件推荐
