.png?w=960)
ベクトル微積分学シリーズ2 - 微分深化：最適化理論の基礎とベクトル関数
tkn
このコースでは、多変数関数の最適化理論の基礎を学び、ベクトル関数の全体的な内容を学びます。
중급이상
Integral Differential
Pythonを活用した線形代数学 - NumPyとSciPyの活用
このコースでは、PythonのSciPyライブラリを活用してさまざまな行列計算に関する問題を解く方法を学びます。
学習した受講者のレビュー
受講後に得られること
Pythonを使用して線形代数学の問題を解決する方法
NumPyとSciPyライブラリの活用
行列演算の実用化と計算効率の強化
いいえ、これは私の話ですか？
🌿 CASE 1 🌿
線形代数学概論の授業をすべて聞いた。私はついに線形代数学の概論をマスターしました。どんな問題でも私に投げてくれれば完璧に解けるようになった。ところで.. 直ちに100 x 100行列をsingular value decompositionをしなければならない.. 大変だ。🌿 CASE 2 🌿
教授：すぐに明日までにこのデータを二次関数で近似してくる。
学生：はい、わかりました。データはいくつですか？
教授： 4万人。
学生: ??
教授：ああ、やる気にa+b*sinh(x)+c*Log(x)にも一度フィッティングしてみようか？すぐにしませんか？
学生：?????????
🌿 CASE 3 🌿
今、大学を知らないので、Matlabを使うことができません…高すぎたりして…ハ..これからも少し解放すべきなのに何の方法がないだろうか..?
NumPyとSciPyを活用して、さまざまな行列計算の問題を解いてみましょう。
行列計算の問題をすばやく解決するには、PythonでNumpyとSciPyのライブラリを活用する必要があります。コンピュータを活用して行列方程式を解いてみませんか？固有値も求めてみませんか？それとも、そのような機能が必要ですか？
このレッスンでは、PythonのSciPyライブラリを活用して、さまざまな行列計算に関する問題を解決できます。 Pythonを知らなくても、線形代数学の概論に関する知識が浅くても講義を聞いてすぐに適用できるように内容を構成したので、心配せずに受講してください！
学習目標📜
本講義では、SciPyとNumPyを活用して線形代数学的な問題をコンピュータに解くことができます。
こんな方が聞くといいですね！ ✨
- 工大生と大学院生
- すぐに行列方程式の解を求める方
- すぐに固有値と固有ベクトルを求めたい方
- SVDをやってみたい、または最小二乗法の年が必要な方
- 線形代数学概論を勉強した方
- その他PythonのSciPyライブラリの学習に興味がある方
受講前にまず確認してください！ ✒️
- Pythonに関する専門知識がなくても受講できます。
- 講義と実習が同時に行われます。
- 後でLapackライブラリを使用する方のために、講座で使用される関数に関連するLapack関数が何であるかをお知らせします。
- 本講義では行列計算関連の数値解析理論を学んでいません。
受講前に気になる事項集！
Q. 行列方程式をコンピュータに解くことができるのですが、本当ですか？
A. それでは。コンピュータで解放しない方がもう！
Q. すぐにサイズが大きい行列の固有値を求めなければならないのにどうですか？手で解くことはできません 😭😭
A. 心配しないでください。ほんの数行のPythonコードで入手できます。このコースはあなたに必要です。
Q. 私はプログラミングの経験がありません...しかし、線形代数学の問題をコンピュータに解いてみたいです！
A. よく訪ねてきました。簡単に従うことができます。
Q. Pythonが遅いと聞いたのですが…これを学んでみたら実用的ではないのではないでしょうか？
A.私たちが学ぶSciPyの関数は、Fortranで書かれた関数（何十年にもわたって開発された...!!）を呼び出して使用します。実用に問題がないほどの速度と精度を提供します。
Q. どこで聞く論… 普通に直接コードを織ると聞いたのに…？
A. 数年ではなく数十年間開発された線形代数学関連関数が存在します。その使い方だけ知っても生きていくのに(?)大きな助けになります。
この講座も一度聞いてみませんか？
こんな方に
おすすめです
学習対象は
誰でしょう？
線形代数学の概念を実際のコーディング練習に身につけたい方
PythonライブラリであるNumPyとSciPyを活用して線形代数学を学びたい人
実際の線形代数学の概念をカバーし、コンピュータ科学と数学の知識を拡張したい人
6,274
受講生
174
受講レビュー
387
回答
4.7
講座評価
7
講座
새로운것을 배우고 가르치는걸 좋아합니다.
인프런을 통해 많은 분들에게 도움이 되면 좋겠습니다.
전문분야 (+좋아하는 분야) 👨🎓
- 전공: 원자력
- 수학: 선형대수학개론, 대학미적분, 벡터미적분학, 응용미분방정식, 응용해석방정식, 확률과 통계, 수치해석
- 컴퓨터 언어: 포트란(MPI, OpenMP 포함), Javascript (nodeJS), C#, C++, Python, Solidity, …
출신학교
- 박사: 카이스트, 원자력 및 양자공학과, 2011 ~ 2016
- 석사: 카이스트, 원자력 및 양자공학과, 2009 ~ 2011
- 학부: 카이스트, 원자력 및 양자공학과, 2005 ~ 2009
- 고등학교: 경기과학고, 2003 ~ 2005
경력
- 2019 ~: 인프런강사
- 2017 ~ 2018: 스탠다드에너지, 연구소장
- 2016 ~ 2017: 스탠다드에너지, 특수연구 총괄
링크
- 블로그: https://blog.naver.com/bumhee34
- 유튜브: https://www.youtube.com/channel/UCsaTZaR2itIeT0eVHPi1_cw
- 이메일 bumhee34@gmail.com
カリキュラム
全体
29件 ∙ (13時間 31分)
5. 行列とベクトル表現
31:00
6. 単純行列入出力方法
26:00
7. 行列関連の便利な機能
22:00
8. 行列基本操作(1)
41:00
9. 行列基本操作(2)
47:00
10. 行列基本操作(3)
28:00
講座掲載日:
最終更新日:
受講レビュー
全体
8件
5.0
8件の受講レビュー
gwl受講レビュー 2
∙
平均評価 5.0
5
76% 受講後に作成完了授業 25/29、受講時間 10h33m で最初の後期残します。こんなにうまくいかない人なので今残さなければ先延ばしになりそうです。 受講動機：ML勉強中にNumpy slicingを正確に学ぶ必要があり、講座を巡るよりここでカバーになりそうで受講しました。 後期：必要だったNumpy slicingを正確に学ぶ必要がありました。チョ・ボムヒ様の線形代数学講義を選手講はしませんでしたが、従うのに問題ありませんでした。このコースをじっくりと追いつくと、Scipyのlinalg関数の使い方を十分に学びます。関数の使い方の説明と例の構成が入念になり、受講生が '当然分かるだろう'と進むことなく詳しく解いて説明してくれます。そのため、先に上げたチョ・ボムヒ様の線形代数学講義が聞きたくなります。 （インフラをリニューアルしたら割引券解放してもらったんだけど…ありませんね。ㅎㅎ）
- tkn知識共有者
大切なレビューありがとうございます!!ㅎㅎ 教科書や与えられたカリキュラムがなくて作った講座なので、それなりの努力をして作った講座だから、個人的に愛着がたくさん行く講座です。 講座を見ながら不足したり、更新されてほしい部分があれば、いつでも私にメッセージやメールでフィードバックしていただければ、できるだけ反映させていただきます。 私が思いもよらない部分があるかもしれないので、受講生の皆さんの積極的な意見があれば、講座がさらに更新(!)され、修正されることがあります。 （今はまた別の数学関連講座を作っています。これからも多くの関心をお願いしますよㅎㅎ）
- plan20091286
受講レビュー 5
∙
平均評価 4.6
- cksgh91034063
受講レビュー 4
∙
平均評価 4.8
- epicshark70492
受講レビュー 6
∙
平均評価 4.8
￥6,859
tknの他の講座
知識共有者の他の講座を見てみましょう！
似ている講座
同じ分野の他の講座を見てみましょう！
