Pythonを活用した線形代数学 - NumPyとSciPyの活用

Name: Pythonを活用した線形代数学 - NumPyとSciPyの活用
Price: 55000 KRW
Rating: 5 (8 reviews)

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。

（5.0）受講レビュー 8件

受講生 767名

難易度初級

受講期間 無制限

Linear Algebra

Procession

Linear Algebra

Procession

学習した受講者のレビュー

5.0

Gabriel Woojae Lim

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）

5.0

허민규

45% 受講後に作成

講義序盤に機会があれば伝説の言語Fortran講座も開くと言われましたが、ぜひ開いてください！ Fortranを使用する大学院にとって必要です。

5.0

웃지요

100% 受講後に作成

授業の難易度に関係なく、講義者の誠意と熱意が感じられる授業でした。クラスがやや難しいのは私の理解力のせいです。他の講義も楽しみです。

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？

チョ・ボムヒ知識共有者の数学講義

線形代数学の概論

Introduction to Linear Algebra

ベクトル微積分学シリーズ1
微分基礎

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

ベクトル微積分学シリーズ3

積分基礎

ベクトル微積分学シリーズ4

積分深化

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

こんにちは
です。

6,360

受講生

180

受講レビュー

387

回答

4.7

講座評価

講座

新しいことを学び、教えることが好きです。
Inflearnを通じて、多くの方々のお役に立てれば幸いです。

専門分野（＋好きな分野）👨‍🎓

専攻：原子力
数学：線形代数学概論、大学微積分、ベクトル微積分学、応用微分方程式、応用解析方程式、確率と統計、数値解析
コンピューター言語: Fortran (MPI, OpenMPを含む), Javascript (nodeJS), C#, C++, Python, Solidity, …

出身校

博士：KAIST、原子力および量子工学科、2011 ~ 2016
修士：カイスト（KAIST）、原子力および量子工学科、2009 ~ 2011
学部：カイスト（KAIST）、原子力および量子工学科、2005 ~ 2009
高校：京畿科学高校、2003 ~ 2005

経歴

2019 ~: インフラン講師
2017 ~ 2018: スタンダードエナジー、研究所長
2016 ~ 2017: スタンダードエナジー、特殊研究総括

リンク

ブログ: https://blog.naver.com/bumhee34
YouTube: https://www.youtube.com/channel/UCsaTZaR2itIeT0eVHPi1_cw
メール bumhee34@gmail.com

カリキュラム

全体

29件 ∙ (13時間 31分)

セクション 1．講座紹介

2件 ∙ (1分)

セクション 2．プレインストール

2件 ∙ (18分)

セクション 3．基礎クラス

6件 ∙ (3時間 15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

セクション 4．行列方程式の解

6件 ∙ (2時間 33分)

セクション 5．固有値と固有ベクトル

4件 ∙ (2時間 33分)

セクション 6．行列分解と行列分解を利用した行列方程式の解

5件 ∙ (2時間 53分)

セクション 7．Singular Value Decompositionと最小二乗法

1件 ∙ (52分)

セクション 8．応用

3件 ∙ (1時間 6分)

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）
heo0229
受講レビュー 7
∙
平均評価 4.9
5
45% 受講後に作成
講義序盤に機会があれば伝説の言語Fortran講座も開くと言われましたが、ぜひ開いてください！ Fortranを使用する大学院にとって必要です。
- tkn
  知識共有者
  今後でもぜひ時間通りに作るように頑張ります。ありがとうございます！
plan20091286
受講レビュー 5
∙
平均評価 4.6
5
100% 受講後に作成
授業の難易度に関係なく、講義者の誠意と熱意が感じられる授業でした。クラスがやや難しいのは私の理解力のせいです。他の講義も楽しみです。
cksgh91034063
受講レビュー 4
∙
平均評価 4.8
5
100% 受講後に作成
明江です。良い講義ありがとうございます。
epicshark70492
受講レビュー 6
∙
平均評価 4.8
5
100% 受講後に作成